快手將披露事件驅動維運 Agent 架構：以確定性 Pipeline 預取上下文並實現經驗自進化

據報導，快手 AgenticOps 研發團隊將於 2026 年 10 月的 QCon 上海站分享其智能維運助手（AIOps）的落地實踐。 該架構揚棄傳統的對話驅動模式，將告警、巡檢、變更與應急等維運事件視為一等公民。當事件觸發時，系統先由確定性 Pipeline 完成上下文預取，再交由 Agent 進行歸因推理與方案生成，以解決維運事件關聯資訊無邊界導致的上下文過載或關鍵證據缺失問題。 在經驗沉澱方面，系統採用 Skill 與記憶的雙層架構，由 Skill 承載流程、記憶承載結論，其作用域綁定於團隊而非個人。針對人工知識隨架構演進而劣化的痛點，快手設計了一套不依賴模型微調的自進化路徑。自進化的對象為結構化的維運經驗，從事件處理中提取並於同類事件中召回。系統反饋僅回流至可 diff、可審計且可單獨回滾的經驗資產上，確保在低容錯場景中能追溯 Agent 表現變化的具體原因。 目前，該體系已在快手多條核心業務線的大盤巡檢、告警初判與應急定位場景落地。團隊下一步計畫擴大處置邊界，使 Agent 從輔助判斷邁向風險可控的自主處置。