引入 AI 分析故障，Flashduty 又进步了

有了 AI 之后，只要能把问题描述清楚，通常都能得到还不错的答案，我感觉自己现在强的可怕 🤣 你呢？

可观测性产品里引入 AI，通常是从两个方向入手：

• 故障本身的分析。让用户对当前故障有更清晰的了解。
• 故障相关的观测数据的分析。产生故障定位结论。

Flashduty 作为一站式告警 On-call 平台，会把各个监控系统的告警事件聚拢到一起，把相似的告警收敛为 故障（incident），所以，在 Flashduty 中要提供故障本身的分析总结能力，这就理所当然。

Flashduty 是我们创业做的一款 SaaS 产品，解决告警分散、告警风暴、告警遗漏等问题。

夜莺监控中也提供了 AI Summary 的事件 Processor，但是那仅是针对单个事件的，而很多时候，故障会催生一堆告警，对此场景，夜莺现在还没法很好的处理。

Flashduty 产品伊始，就有 incident 概念，incident 里会聚合一堆相似的告警，这样引入 AI 分析，效果就更好了。举个例子，下面是某个故障中包含的三个告警：

点击“AI总结”，即刻生成如下总结内容：

把一堆零散的告警事件（可能来自不同的监控系统），总结为人类易于理解的信息。上面的 incident 中只有 3 条告警事件，如果里边有 300 条，那效果就会更显著。

感兴趣的小伙伴可以免费注册体验 Flashduty：https://console.flashcat.cloud/ 这类生产力工具，绝对是可以提升员工幸福感的。

创业四年了，感谢小伙伴们一路支持，希望今天介绍的功能能够对你胃口，祝你工作顺利:)