本文介绍如何通过智能会话，使用自然语言与SREAgent进行多轮对话，完成从告警发现到根因定位的完整故障诊断流程。文中包含SREAgent控制台入口和飞书入口两种场景的对话示例，以及 AI 回答不理想时的追问技巧。

前提条件

• SREAgent 当前处于公测阶段，如需使用，请联系容器平台团队提交工单申请开通。
• 已完成 SREAgent 唤醒（即系统部署）。
• 已创建飞书通知渠道并完成 Agent 绑定，详细操作请查看文档。

注意事项

• 故障诊断需要获取相关数据进行分析，通常需要 3-5 分钟。发起故障诊断后，任务会在后台自动执行，请勿关闭控制台页面。
• 同类问题建议在同一对话中连续追问；不同问题建议分多个会话分别进行问答。
• 请勿在对话过程中刷新浏览器，否则将导致 Agent 对话连接中断。
• SREAgent输出内容由大语言模型生成，因技术限制和大语言模型的特殊性，百度智能云无法保证本服务模型生成内容的完整性和准确性。请您谨慎判断生成内容，不过度依赖。若您根据生成内容作出的判断或行为导致您遭受任何损失，您将自行承担全部责任和后果。

业务场景

收到告警通知或发现系统异常时，需要快速定位问题根因。传统方式需要手动查询多个监控系统、日志平台和拓扑图，效率低且容易遗漏关联信息。SREAgent智能对话支持用自然语言描述问题，Agent会自动关联多源数据进行分析，将故障诊断的时间从数十分钟缩短至几轮对话。

诊断流程

故障诊断流程涵盖以下核心环节：

问题输入：通过 SREAgent 智能对话或飞书应用机器人发起对话，描述告警内容或异常现象。

数据关联：SREAgent 根据问题描述，自动查询 Prometheus 指标、BLS日志、拓扑关系等多源数据，进行综合分析。

多轮推理：基于首轮分析结果，SREAgent 可进一步提出检查方向，用户可通过追问引导分析向特定维度深入。

根因输出：输出包含异常指标、日志证据的根因分析报告，并提供修复建议。

操作步骤

环境确认

开始故障诊断前，请确认以下环境已就绪：

场景一：通过SREAgent智能对话入口进行故障诊断

SREAgent支持通过自然语言进行故障诊断，适合从告警触发逐步排查的场景。

对话示例：Pod 异常重启排查

以下是一个完整的多轮对话示例，展示如何从一条 Pod 重启告警出发，逐步定位根因并且将诊断报告发送至飞书群。

说明：

• 若需要将诊断报告单独发送给某个用户，Agent 需要获取该用户的 UserID，获取方式可参考文档；

• 若需要将诊断报告发送至某个飞书群，需先将应用机器人添加到该飞书群中，并通过群设置获取群聊的会话 ID。

第 1 轮：描述问题

1北京地域 ${集群名称} 最近 1 小时内有 Pod 频繁重启，帮我分析一下原因并且将诊断报告发送至飞书群xxxxx

SREAgent 将自动执行以下操作：

• 查询集群的 Pod 列表和重启次数。
• 检查重启 Pod 的容器退出码和最近日志。
• 分析 Pod 的资源使用趋势（CPU、内存）。
• 将诊断报告发送至飞书群

第 2 轮：深入追问

如果首轮分析显示 OOMKilled，可以继续追问：

1帮我看看这个 Pod 是什么原因导致的 OOM？

SREAgent 会进一步查询指标和请求日志，定位内存泄漏或大请求量导致的 OOM。

场景二：通过飞书机器人入口进行故障诊断

SREAgent 绑定飞书机器人后，支持通过飞书机器人入口进行故障诊断。

说明：

• 若需要在某个飞书群中进行对话，直接在群内 @ 已添加的飞书机器人即可发起对话。
• 若需要与飞书机器人单聊，直接打开机器人会话窗口即可发起对话。

对话示例：集群节点不可用排查

描述问题

1xx地域xx集群帮我诊断非可用节点原因。

追问技巧：提升 AI 诊断效果

当 AI 首轮回答不够深入或分析方向出现偏差时，可通过以下追问策略引导分析方向：

从诊断到持续跟踪

如果诊断发现的问题需要持续关注，您可以通过自动巡检进行自动化监控：

帮我创建一个自动巡检任务，每天自动巡检xx 地域xx集群中节点的内存使用情况和 Pod 健康状态。

SREAgent会引导您完成的创建自动巡检的规划。