阿里消费者认知团队用Devix闭环处理运维问题

阿里消费者认知团队负责集团流量识别与消费者理解等核心基建，背后几十个项目空间、数千个调度节点，原运维依赖人工值班，告警到响应平均 15-30 分钟且同类故障反复出现。系统在 Devix（阿里 Aone 团队的 AI Native 研发平台，云端常驻 Sandbox + 公网端点）上由三组件构成：独立监控脚本轮询各项目空间失败实例并推钉钉告警、POST 到 Flask 中转服务。 中转服务触发 Agent 诊断 Skill，经 DataWorks OpenAPI 采集实例信息、识别 SQL/Cupid/Mixed 三类日志、通过 ODPS REST API 取引擎层精确错误、检查代码变更与上游依赖、追溯调度链路、检索团队垂域知识库，输出给人看的 Markdown 报告与给机器用的 JSON 诊断结论（error_pattern、error_category、confidence、severity、root_cause_summary、evidence）。 决策引擎按 error_pattern 精确匹配→类目匹配→全局默认三级降级（并检查 min_confidence），再用案例库历史重跑成功率调整置信度，最后走决策树输出自动重跑、按钮重跑、代码修复、排查建议、升级人工五种动作，脚本执行。当前 15 条精确规则 + 2 条兜底，覆盖基础设施、UDF、SQL、数据、其他五类，并按新规则发现、成功率低于 30% 触发修订、自动重跑失败率超 50% 触发安全审计三条路径自进化。 全自动重跑需置信度 > 0.9、历史成功率 > 80%、无近期代码变更且规则标记为安全可重跑，代码修复须人工点击确认。