Splunk 的 AI RCA 给了一个提醒：别再只做 AI 运维助手了
Splunk 的 AI RCA 路线真正值得学的，不是做一个会聊天的运维助手，而是把 AI 放进告警、证据、事件聚合和行动计划这条完整故障处理链路。
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
Elastic AI RCA 产品调研
本文基于 Elastic 官方公开资料，拆解 Elastic 如何把搜索、日志治理、机器学习、AI Assistant、Elastic AI Agent、Agent Builder、Workflows 和 MCP Apps 串成 AI RCA 故障调查链路，并总结对可观测性产品设计的启发。
FlashAI：从观测系统到 AI SRE 的 Agent 化演进
Flashcat 即将发布全新 AI-Native 版本。通过内置智能代理 FlashAI，用户无需手动操作复杂工具链，用自然语言交互，AI 直接帮你操作、分析、定位根因，让 AI 从辅助分析走向参与决策与执行，重塑可观测性系统的使用方式。
incident.io 给 AI RCA 上了一课：真正值钱的不是根因，而是事故现场
本文基于 incident.io 在 AI SRE、事故管理和 RCA 方向的公开产品动作，拆解为什么 AI RCA 不能只依赖可观测性数据，而要把告警、事故频道、协作上下文、组织记忆、复盘和行动项串成完整的事故生命周期。
New Relic 告诉我们：AI RCA 不是一个按钮，而是一条故障处理流水线
本文基于 New Relic 在 AI SRE、AIOps 和 RCA 方向的公开产品动作，拆解 AI RCA 为什么不能只做成一个告警解释按钮，而应该围绕 Issue、事件关联、影响分析、相似问题、工作流和 Agent 重新产品化故障处理链路。
Dynatrace 的 AI RCA 做对了什么
本文基于 Dynatrace 官方公开资料，拆解其 AI RCA 如何通过统一数据底座、实时拓扑、事件归并、因果分析和 Problem 对象构建根因分析能力，并总结对可观测性产品设计的启发。
AI 时代，开源项目的技术 Support 正在被重写
AI 正在重写开源项目的技术 support 流程：先让 AI 读文档、源码、配置、日志和运行环境完成第一轮排障，再把收敛后的问题带到社区。
Harness Engineering 是什么：AI Agent 时代的系统约束、反馈回路与工程范式
Harness Engineering 正成为 AI Agent 生产化落地的关键工程范式。本文系统梳理 Prompt Engineering、Context Engineering 与 Harness Engineering 的关系，以及约束、验证、纠正、多代理编排与可观测性的核心方法，并对比传统线束工程。
八维通科技：20 多个机房、20+ 集群如何用夜莺实现统一监控与告警管理
八维通科技在全国管理 20 多个机房、20+ 套集群和上千台服务器，原有 Prometheus、Zabbix、CAT 多套监控分散。本文介绍其基于 Nightingale 商业版、VictoriaMetrics 和 vmagent 实现统一监控、告警治理与日志查询，并将运维维护成本降低约 50% 的落地实践。
星巴克中国：每天 3000+ 原始告警，如何收敛到 500 条有效故障
星巴克中国在门店、移动应用、会员体系和供应链等复杂业务体系下，面临告警风暴、配置维护困难和漏报漏处理等问题。通过引入 Flashduty，团队实现了多源告警接入、智能降噪、精准路由和闭环管理，将每天 3000 多条原始告警收敛到约 500 条有效故障。
吉利集团：用 Flashduty 建设统一事件响应中枢
吉利集团在电动化、智能化与全球化加速推进过程中，面临多云架构、告警来源分散、跨区域值班协同复杂等挑战。通过引入 Flashduty，吉利集团构建了统一的告警与事件响应中枢，实现从分散告警处理到标准化事件治理体系的升级。
用 Claude Code Skill 治理文档漂移：FlashDuty 的 AI 文档审查实践
FlashDuty 通过 Claude Code skill 构建 AI 文档审查系统，将源码与产品文档关联起来，自动发现文档漂移、补齐缺失说明并生成 PR。本文介绍这套系统的设计思路、Diff/Audit 两种模式和落地经验。
用 catpaw 监控你的监控系统：给 Prometheus 和 Nightingale 加一层外部哨兵
监控系统本身也会失效。本文介绍如何用 catpaw 给 Prometheus、Nightingale、Alertmanager 增加独立外部哨兵，从 systemd、进程、HTTP、磁盘、日志、时间同步和 MCP 等角度降低监控失声与值班盲飞风险。
AI 会替代运维老司机吗？五类产品形态重塑 SRE 与 AIOps
AI 短期不会直接替代运维岗位，但会优先替代依赖个人经验、上下文记忆和人工协同的工作方式。本文从调查型 Agent、协同控制台、自动化护栏、平台工程和组织记忆系统五类产品形态，分析 AI 时代运维体系的演进方向。
Zenlayer 公网质量监控平台实践：从 SmokePing 到拨测与 IQSM 评分模型
本文介绍 Zenlayer 面向全球边缘云业务构建公网质量监控平台的实践，涵盖 SmokePing 与 SmokeCAT 的早期探索、分布式拨测、样本筛选、VictoriaMetrics/VictoriaLogs 数据底座以及 IQSM IP 质量评分模型。
AI 时代的可观测性：从排障工具到运行时控制平面
AI Agent 和 LLM 应用进入生产后，可观测性不再只是排障工具，而会成为可靠性、治理、审计、成本控制和 Agent 自动化的运行时控制平面。本文梳理最近 3 个月的行业信号和企业落地建议。
宏地科技跨平台监控中台落地实战
宏地科技分享基于夜莺（Nightingale）的跨平台监控中台落地实战：面对 7 大业务系统、多个数据源的监控碎片化，用夜莺实现多数据源接入、标签降级兼容与语义化告警，故障定位时间缩短至 15 分钟内，告警误报率下降 76%。含架构设计、技术干货与实战避坑经验。
告警发出来之后，谁来查根因？
告警只能告诉你「坏了」，根因排查才是值班耗时的大头。本文拆解告警与排障之间的真空区，并介绍开源项目 catpaw：插件发现异常、事件引擎做去重与告警控制、告警触发后 AI 自动调用 70+ 诊断工具做根因初筛，把结构化报告与告警一起送达值班链路。
不记命令也能排障：catpaw chat 实战手册
catpaw chat 用自然语言做 Linux 线上排障：覆盖 CPU、内存与 OOM、磁盘 I/O、网络连接与 conntrack、进程与线程等 12 个高频场景，对比传统 shell 命令与对话式诊断，并说明 AI 背后调用的内置工具；亦可当作排障命令速查表，适合 SRE 与运维工程师。
Flashcat 新版本介绍 - 2026年2月版本
Flashcat 2026年2月版本更新：支持 MCP 与告警/监控/事件响应等能力；日志检索升级多行翻页与聚类，接入 Elasticsearch、阿里云 SLS；北极星与灭火图支持按名称访问、灭火图接入 AWS CloudWatch；事件墙自定义列与时间轴交互优化，另含告警、仪表盘、数据集成等多项改进。
