Zabbix / 老监控系统如何平滑演进到现代可观测平台
本文给出从 Zabbix 和老监控系统平滑演进到现代可观测平台的迁移路线，重点讨论存量资产复用、并行运行、指标标准化、日志链路补齐、对象健康视图、告警入口、事件墙、SLO 和下线条件。
Flashcat 博客
围绕可观测性、AI SRE、告警治理、On-call、Nightingale、Categraf、Prometheus、Kubernetes、Zabbix、用户案例和产品更新，沉淀一线工程实践、选型参考和稳定性治理方法。
精选内容
最新文章
可观测性平台怎么选：开源组合、自研平台和商业平台的边界
本文从目标、团队能力、事故现场、长期成本和稳定性治理出发，比较开源组合、自研平台和商业可观测平台的适用边界，帮助企业选择更适合自己的可观测性建设路径。
Flashcat POC 验收清单：如何判断一体化可观测平台是否真的有价值
本文提供一套更贴近真实故障场景的 Flashcat POC 验收清单，帮助企业从数据复用、灭火图对象模型、下钻路径、告警闭环、业务指标、事件墙、SLO 和 FlashAI 判断一体化可观测平台是否真正有价值。
夜莺 v9 AI：给每个 SRE 配一个 7x24 在线的资深副驾驶
夜莺 v9 把团队最资深 SRE 的经验装进了系统：告警真假判定从 20 分钟缩到 2 分钟、告警事件分析、自然语言一句话搭起监控、19 个开箱即用 Skill 还能写出贴合自己场景的 Skill，而且数据可以完全不离域。本文系统介绍夜莺 v9 的 AI 能力、五大场景与安全边界。
如何为一个电商系统建设灭火图：接口、服务、组件、基础设施四层模型
以典型电商系统为例，说明如何按功能接口层、微服务层、标准组件层和基础设施层建设灭火图，让故障现场能快速判断影响范围和下一步排障路径。
Flashcat vs Grafana + Prometheus + ELK：差异不在数据展示，而在故障处理路径
对比 Flashcat 与 Grafana、Prometheus、ELK 等开源可观测性组合，说明真正差异不在数据展示能力，而在围绕故障发现、定位和恢复的一体化处理路径。
BigPanda 的价值不在会聊天，而在把告警风暴变成可调查事故
BigPanda 的 AI SRE 路线不是让大模型直接猜根因，而是先把多源告警、变更、拓扑、历史事故和工单知识聚合成可调查、可分派、可自动化的 incident，再让 AI 做解释、分诊和 L1 自动化。
AI Agent 框架怎么选？不要先看热度，先看你到底要控制什么
AI Agent 框架选型不要先看热度，而要看控制权、状态、流程、RAG、云生态和生产可控性。本文从 LangGraph、ADK、Microsoft Agent Framework、OpenAI Agents SDK、LlamaIndex、Haystack、Pydantic AI、Mastra、CrewAI 等框架出发，给出务实的落地路径。
值班表怎么排才合理？SRE On-call 轮班机制设计指南
从责任边界、主备机制、轮换周期、服务日历、通知偏好、调班与升级策略等角度，系统梳理 SRE On-call 值班表设计方法。
告警太多怎么办？从规则治理到告警响应平台的完整方法
本文介绍告警太多时不能只靠删规则或调阈值，而要从事件、告警、故障分层出发，同时治理告警源头、聚合抑制静默延迟、建设 On-call 响应流程，并用 MTTA、MTTR、压缩率等指标持续衡量效果。
Sentry 的 AI RCA 不在运维大屏，而在把生产错误直接修成 PR
分析 Sentry Seer 的 AI RCA 路线：以 production issue 为入口，结合运行时上下文、代码库、自动修复和 PR 流程，把根因分析推进到代码交付。
可观测性的 AI-Ready 之路：为什么 AI 需要灭火图这样的上下文
本文介绍 AI-Ready 可观测性为什么不能只依赖模型能力，而要先用灭火图组织对象、健康状态、关系、下钻路径和知识库，让 FlashAI 基于完整上下文做分析、巡检和操作。
从一张飘红卡片到根因定位：Flashcat 灭火图下钻怎么工作
本文介绍 Flashcat 灭火图下钻如何把异常卡片、标签、日志、Trace、仪表盘、上下游卡片和事件串成故障分析路径，帮助团队从发现异常快速收敛到根因定位。
为什么监控大盘越做越多，故障时还是不知道先看哪里
监控大盘解决的是数据展示，不一定解决故障决策。复杂系统需要围绕观测对象组织健康状态、下钻路径、告警和 AI 上下文。
灭火图是什么：为什么说它是 Flashcat 的灵魂
灭火图不是普通大盘，而是围绕观测对象组织系统健康状态、下钻路径、告警入口、SLO 和 AI 上下文的稳定性工作台。
AI RCA 不是一个按钮，而是一套生产调查系统
本文基于海外 AI SRE 和 AI RCA 产品观察，提出 AI RCA 的核心不是模型按钮，而是生产上下文、证据链、调查工作台、行动闭环和治理体系，适合可观测性平台规划 AI RCA 产品架构。
On-call POC 验收清单：如何判断一个告警响应平台是否值得买
本文提供 On-call 告警响应平台 POC 验收清单，从真实告警接入、标签治理、分派通知、值班升级、告警降噪、故障闭环、协同、状态页、工单集成、分析看板、权限审计和成本模型判断平台是否值得采购。
Flashduty 14 天试用指南：第一天应该接什么、看什么、验证什么
本文提供 Flashduty 14 天试用指南，帮助团队用真实告警验证接入、协作空间、标签、分派策略、值班表、告警降噪、分析看板、IM 协同、状态页、复盘和 License 成本。
从收到告警到故障复盘：一次完整 On-call 闭环怎么设计
本文介绍完整 On-call 故障响应闭环设计，从告警建模、分派策略、通知触达、自动升级、故障详情、作战室、状态页、工单联动到故障复盘，帮助团队把告警处理变成可追溯、可改进的流程。
如何把告警风暴变成可处理故障：一套告警降噪实践
本文介绍 Flashduty 告警降噪实践，从事件、告警、故障模型出发，梳理标签增强、Pipeline 清洗、告警聚合、风暴预警、抖动检测、静默、抑制和 14 天验证方法。
