博睿数据产品中心总监贺安辉，围绕“如何通过智能体协同矩阵，重塑下一代故障智能诊断范式”这一核心命题，结合博睿数据深厚的技术积累与行业实践，系统阐述了智能体协同矩阵的设计理念与实现路径，打造“明辨、善思、独行”的全栈AI能力，为行业提供可落地、高价值的智能运维解决方案。

对运维团队而言，无论AI技术如何发展，核心需求始终是保障业务系统稳定运行、及时处理异常。博睿数据推出故障诊断智能体协同矩阵，核心目标是在异常发生后迅速输出诊断结论，替代专家完成日志查询、多维度分析等繁重工作，从而高效解决运维领域最高频、最紧迫的故障诊断问题。这一核心目标，主要通过工作流编排和大模型自主决策两种模式协同实现。

（一）工作流编排模式：固化流程，快速处置常见故障

该模式的核心是将告警异常的处理流程固化为工作流，类似流程自动化（RPA），按“第一步做什么、第二步做什么”的既定步骤逐步推进。我们将专家经验与应急运维预案深度融入，为企业编排专属工作流，具体分为通用型与个性化型两类：通用型可覆盖所有未出现过的异常，适配各类运维场景；个性化型则针对“行情类故障”、“报盘机故障”等处理路径明确的场景，能够精准覆盖日常常见故障。该模式对大模型的依赖度较低，可有效规避大模型存在的幻觉、结果不准确、响应速度慢等问题，基于预设的应急运维预案，两分钟内即可输出精准诊断结论。

（二）大模型自主决策模式：自主规划，适配复杂故障

该模式依托大模型的理解能力，结合历史记忆和现场上下文，自主规划故障排查步骤，还能根据实际场景、现场环境及各类关联关系，自动生成排查逻辑，再通过知识匹配进一步优化，适配更复杂、未知的故障场景。其诊断架构分为四层：底层为储备层，保障知识与脚本能力完备；中间为工具层，提供开箱即用及工具开发能力，方便将各类工具纳入Bonree ONE；Agent层具备智能体创建能力，可根据用户习惯定制智能体；顶层覆盖业务诊断、服务性能故障诊断等核心场景。

（三）  故障诊断路径：适配不同需求，兼顾通用与个性化

针对不同用户的运维需求，我们设计了两种故障诊断路径：一是通用故障诊断流程，无需用户额外编排工作流，先对故障进行分类，补充关联的CMDB信息，再开展业务影响分析——若故障影响业务正常运行，则开展横向上下游关联检索；若仅为局部异常，便纵向排查主机、磁盘、网络等资源层，最终输出明确诊断结论。二是个性化智能体，适用于熟悉自身业务的用户，可先定义具体诊断场景，补充所需的数据、知识与工具，再通过工作流编排各类操作分支，最终输出精准的诊断结论。

在自主决策（AutoFlow）方面，我们向大模型提供应急预案、排查手册等相关知识，大模型可精准理解自然语言描述的排查步骤，并生成对应的MCP、Skill或CRI调用；当异常发生时，可清晰展示故障表象、排查判断过程及最终诊断结论，支持结果校验与反馈优化，通过用户反馈持续调整逻辑优先级，不断提升诊断准确性。

故障诊断智能体仅为Bonree ONE提供的预制能力。除故障诊断外，智能体在灾备演练、容量评估、DevOps、安全防范等各类运维场景中均能发挥重要作用。为此，我们搭建了通用AI框架，将故障诊断智能体作为“预制种子”，助力用户结合自身业务需求，搭建更多适配自身运维场景的专属智能体。

博睿数据将Bonree ONE的AI能力总结为“明辨、善思、独行”三大目标，全方位覆盖可观测场景的智能需求。

明辨，即能看懂所有可观测信号，理解其业务含义与全域数据模型、知识，而非单纯解读数字；

善思，即能基于观测信号进行推理分析，输出切实可行的分析建议与计算结果；

独行，即在知识与上下文充足的情况下，自主执行诊断结论、重启、限流、恢复等操作，实现多步骤任务输出与24小时无人值守。

为实现上述目标，博睿数据构建了集基础能力底座、工具与技能管理、知识库管理、智能体广场、“小睿AI”于一体的 AI 工作台：

底座内置模型管理，支持灵活切换千问、豆包、DeepSeek等主流大模型；智能体广场提供预制能力，支持工作流编排与自主决策两种模式创建专属智能体；工具层内置数十种可直接调用的 MCP，也支持导入外部 MCP Server，兼容企业各类开源与商业工具；技能库内置多种 Skill 并支持安全导入，规避隐私与安全风险；同时联动知识库沉淀运维知识，为智能体决策提供可靠支撑。行业首个可观测智能体“小睿 AI”，支持自然语言对话、告警自动触发或定时任务调用，让用户便捷使用所有 AI 能力，实现 AI 能力的弹性可控与业务敏捷适配。