Resolve AI 给 AI SRE 打了个样：真正值钱的不是“会聊天”，而是“会查生产”
本文基于 Resolve AI 的公开产品思路，拆解 AI SRE 和 AI RCA 为什么不能只做告警问答，而要围绕生产上下文、证据包、多 Agent 查证、本地代理、安全权限和受控行动重新产品化故障处理流程。
标签：可观测性
汇总 Flashcat 博客中与 可观测性 相关的文章，方便按主题连续阅读实践、案例、选型和产品更新。
可观测性 相关文章
Splunk 的 AI RCA 给了一个提醒：别再只做 AI 运维助手了
调研 Splunk/Cisco AI RCA 产品路线：AI Troubleshooting Agent、AI Assistant、MCP Server、ITSI、Event iQ 和 AppDynamics，分析为什么 AI RCA 应该嵌入告警、证据、事件聚合和行动计划链路。
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
FlashAI 是 Flashcat 内置的 AI Agent，面向可观测性和 AI SRE 场景，通过自然语言驱动故障分析、巡检报告、灭火图建设、告警配置、数据查询和知识问答，让 AI 从辅助分析走向参与执行。
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。
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。
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，而会优先替代依赖个人经验、上下文记忆和人工协同的运维工作方式。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 Agent、AIOps 与 SRE 产品栈如何重塑运维体系。
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，可观测性会从排障工具升级为连接可靠性、治理、审计、成本控制和自动化动作的运行时控制平面。本文基于 2025-12-30 至 2026-03-30 的行业信号，梳理 AI 可观测性的演进方向、厂商转型重点和企业落地路径。
用 ERROR 日志做告警：低成本高 ROI 的兜底监控实践
很多团队只做 CPU、内存等机器指标或 SLI 告警，却忽略 ERROR 日志数量告警。本文说明为什么 ERROR 日志告警适合作为低成本兜底规则，并给出日志中心化收集、ETL、结构化字段和告警规则的落地思路。
Flashduty RUM 分布式追踪最佳实践：实现前后端请求链路的完整监控
Flashduty RUM 分布式追踪配置指南：基于 W3C Trace Context 注入 traceparent 和 tracestate，将前端用户操作、资源请求与后端 Trace 关联起来，完成端到端问题排查。
AI Agent 监控与可观测性：2025 生产实践指南
2025 年 AI Agent 监控与可观测性实践指南，覆盖成功率、延迟、Token 成本、错误率、业务结果、结构化日志、分布式追踪、告警设计和生产故障排查。
可观测性的 AI-Ready 之路
可观测性要进入 AI-Ready 状态，关键不是先换模型，而是让 AI 能理解系统、查询观测数据，并获得业务知识。本文说明 Flashcat 如何通过灭火图、数据集成和 FlashAI 知识库支撑智能化稳定性保障。
使用 OpenTelemetry 构建可观测性 06 - 生态系统
OpenTelemetry 生态系统入门指南：介绍 OTel 官网、项目博客、CNCF Slack、社区仓库、核心 GitHub 仓库、Collector 仓库、语言 SDK 仓库和 OpenTelemetry Registry。
使用 OpenTelemetry 构建可观测性 05 - 传播和行李（Propagation & Baggage）
OpenTelemetry 传播与行李机制详解：通过 Propagation 传递 TraceID 和 SpanID 实现分布式链路追踪，使用 Baggage 在微服务间传递自定义上下文数据。
使用 OpenTelemetry 构建可观测性 04 - 收集器
OpenTelemetry Collector 详解：介绍接收器、处理器、导出器组件，DaemonSet 和 Sidecar 两种 Kubernetes 部署方式，以及使用 ocb 工具构建自定义收集器分发版。
使用 OpenTelemetry 构建可观测性 03 - 导出
OpenTelemetry SDK 导出详解：介绍 TracerProvider 链路追踪生产者、Resource 资源元数据、OTLP Exporter 导出器的配置，实现遥测数据从应用到收集器的传输。
使用 OpenTelemetry 构建可观测性 02 - 埋点
OpenTelemetry 埋点详解：讲解手动埋点创建 Span、设置属性和事件，以及使用 Flask、MySQL 自动埋点零代码获取链路追踪数据，快速实现应用可观测性。
使用 OpenTelemetry 构建可观测性 01 - 介绍
OpenTelemetry 入门指南：介绍 OTel 的 API、SDK、Collector 组件，以及 Traces、Metrics、Logs 三大可观测性支柱，通过购物车示例应用演示分布式链路追踪实现。
