企业内部IT运维和客服部门每天要处理大量工单,传统模式下工单靠人工分类、人工分派、人工诊断,一个工单从提交到解决平均要半小时以上。运维人员凭经验判断问题类型,新人上手慢,分派容易派错人,诊断靠翻日志和查历史记录,重复故障反复排查。随着业务系统越来越多,工单量持续增长,人工处理模式已经跟不上,响应慢、效率低、知识沉淀难的问题越来越突出,亟需一套系统把工单处理全流程自动化,减少人工介入,提升响应速度和处理质量。
点击空白处退出提示
企业内部IT运维和客服部门每天要处理大量工单,传统模式下工单靠人工分类、人工分派、人工诊断,一个工单从提交到解决平均要半小时以上。运维人员凭经验判断问题类型,新人上手慢,分派容易派错人,诊断靠翻日志和查历史记录,重复故障反复排查。随着业务系统越来越多,工单量持续增长,人工处理模式已经跟不上,响应慢、效率低、知识沉淀难的问题越来越突出,亟需一套系统把工单处理全流程自动化,减少人工介入,提升响应速度和处理质量。
平台以六个智能体协同为核心,覆盖工单全生命周期。接入智能体负责多渠道工单的标准化、去重和字段补全;分类智能体结合大模型与规则引擎自动识别问题类型,覆盖网络故障、服务器异常、数据库问题、用户咨询等场景;分派智能体基于工程师技能标签和实时负载自动匹配责任人;诊断智能体查询日志、监控指标和知识库,做根因分析;修复智能体对低风险操作自动执行重启、磁盘清理等标准化动作,高风险操作只输出建议;通知智能体在流程结束后反馈处理结果,形成闭环。同时配套工单工作台,支持状态流转、工程师效能分析和全链路追踪。
我主要负责智能体流水线设计、知识库搭建和大模型降级封装三块。流水线这块,六个智能体通过瑞迪斯流做事件驱动通信,每个智能体独立部署、独立消费,互不干扰,状态统一存在共享状态里,某个环节挂了重启后能从断点继续。知识库这块,用PG维克特做向量存储,历史工单和解决方案按语义切块后入库,检索时用向量加关键词混合召回,再配合重排序把最相关的排前面。大模型封装这块,主路走吉皮提,备降走深度求索,配置了超时和重试策略,还加了规则分类器兜底,上层业务只关心拿结果,不关心用哪个模型。后端用派森和快速应用程序接口开发,部署跑在库波内透斯上,监控用普罗米修斯加格拉法纳。



评论