Bian Que：面向在线系统运维的灵活技能编排智能体框架

运营和维护（O&M）大型在线引擎系统（搜索、推荐、广告）需要大量人力来进行发布监控、警报响应和根本原因分析。虽然基于 LLM 的代理非常适合这些任务，但部署瓶颈不是推理能力，而是编排：为每个操作事件选择相关数据（指标、日志、更改事件）和适用的操作知识（手册规则和从业者经验）。不加区别地提供所有信号会导致稀释和幻觉，而手动策划事件到（数据、知识）的映射在每天数十次发布的情况下是很棘手的。我们提出扁鹊，一个具有三个贡献的代理框架：（i）一个\emph{统一操作范式}，将日常运维抽象为三种规范模式：发布拦截、主动检查和警报根本原因分析； (ii) \emph{灵活的技能安排}，其中每个技能指定针对给定业务模块上下文检索哪些数据和知识，并且可以由大语言模型自动生成和更新，或者通过待命工程师的自然语言指令迭代细化； （iii）一种\emph{统一的自我进化机制}，其中一个校正信号驱动两个并行路径，即案例记忆到知识的蒸馏和有针对性的技能精炼。扁鹊部署在国内主要短视频平台快手电商搜索引擎上，报警量减少75%，根因分析准确率达到80%，平均解决时间缩短50%以上。我们的框架离线评估的通过率达到99.0%。我们的代码可在 https://github.com/benchen4395/BianQue_Assistant 获取。