1.项目背景
传统场景下，软件的研发主要依靠人，需求沟通、开发、测试、部署等阶段都需要大量人力投入。大模型优秀的代码生成和一定的思维链推理能力，能够激发微服务研发、运维等环节“智能涌现”，重塑软件研发全生命周期。
商业产品包含效果广告（搜索广告，信息流广告）和展示广告（品牌广告，开屏广告）两大类广告产品，以及基木鱼和观星盘、电商等营销工具。为了保障复杂系统的稳定性，业务同学需投入大量人力运维微服务，从而保证业务功能快速交付和线上高稳定性。这些工作包含两类：
- 常规流程操作：日常上线部署、调整部署和发布 API、配置修改、路由参数更改等常规操作。
- SRE架构优化：技术栈持续升级，针对线上报警等稳定性问题，进行深层次的根因定位和故障处理、架构优化。
平台工程团队面向商业产品打造的 Jarvis 平台，提供了一整套的运维工具包括自动化部署和微服务治理分析能力。但是这些治理工具存在以下问题：
图片
- 组合操作复杂：完成单一目的需要大量的组合操作，这些操作入口深（隐藏在重重菜单中），链路长。
- 强依赖人工经验：对于根因定位和故障处理、架构优化， Jarvis 平台开发了微服务治理、性能分析、自动化监控、调用链分析等高阶能力。但是这些工具使用门栏较高，定位问题严重依赖于人工经验。如果对该业务应用无运维经验，则需要耗费大量时间去定位止损和优化架构。
图片
为了提升商业产品维护的效率问题，Jarvis 平台使用 AI 原生应用思维来全新重塑产品形态，革命性提升业务研发运维效率，基于多智能体架构将专家经验内化，大幅降低使用门槛，显著提升微服务维护的效率（包括故障处理和根因定位、架构优化、部署操作等）。
主要有两个关键环节：
- 全流程对话式交互：用户依靠自然语言发出指令，多轮持续对话完成一项完整的升级操作，比如灰度发布、配置限流熔断、流量录制和回放等复杂操作。
- LLM 推理诊断处理：基于定位问题的经验，依靠LLM的推理能力，进行根因分析，通过智能诊断、报警等机制来驱动系统故障的高效处理，实现人工运维经验的可复制性。
2.效果演示
应用使用JarvisBot 升级到jdk17（全流程对话式交互）
- 用户要求升级 JDK17；
- DirectorAgent解析SOP规划执行路径，组装CoderAgent、OpsAgent解决该需求；
- CoderAgent自动升级代码并发出CR；代码负责人 CR 合入；
- OpsAgent部署上线，并将录制流量回放保证服务正常，承接线上流量；
基于思维链推理的报警处理（LLM 推理诊断处理）
- 用户要求诊断错误日志报警；
- DirectorAgent解析 SOP 规划执行路径，组装DiagnosisAgent、OpsAgent解决该问题；
- DiagnosisAgent拉取 Metrics 日志和 Tracing 日志定位到问题实例，提出”屏蔽实例“优化建议；
- 用户确认后，OpsAgent执行优化止损操作；
3.基于SOP的多智能体协作
3.1 业界探索
图片
单个AI智能体=LLM+记忆+规划+工具等，参考述上OpenAI理论基础。
多智能体则需要由多个Agent依靠既定SOP互相进行交流，从而保证智能体能够正确的合力完成一个复杂的长程任务。智能体的关键在于SOP，是不同工种技能的关键，能让每一个智能体扮演一个特定角色。
SOP指的是Standard Operating Procedure，即标准操作程序，它提供了执行特定任务所需涉及的角色分工和详细操作步骤，以确保在不同情况下都能保持作业结果的准确性和高效性。SOP 在软件开发、系统维护和团队协作中起着重要作用，有助于确保开发人员遵循最佳实践、减少错误和提供工作效率。
为了解决项目开篇提到用户需求，系统为了快速产出大量的能力，因此经过多次迭代，有了一系列演进：
△SOP架构演进
阶段一：多智能体协作。Agent 之间需要相互调用才能完成复杂的对话目标。但是Agent 的工作存在大量重复，比如几乎所有智能体都需要调用底层的 API agent进行数据查询，诊断的智能体其实也需要大量的优化操作。智能体直接的边界非常不清晰，交互的方式也比较多样，有通过自然语言，有通过直接调用的，非常混乱。
图片
阶段二：智能体协作SOP 标准化。通过标准操作程序（SOPs）编码作为智能体Prompt，指导大模型按照结构化流程工作并协调智能体各个环节，允许具有领域专长的智能体验证输出并减少复合错误，有效避免大模型的幻觉问题。SOPs 总结人工操作流程经验，从而让 agent 的职责和产出结果标准化、agent 间的协作完全符合要求。
3.2 SOP格式定义
问题场景 | SOP |
自然语言描述的场景 | 自然语言描述的操作步骤 |
举例：
问题场景 | SOP |
错误日志报警诊断分析 | 1：信息收集，收集要诊断排查的所有相关数据和信息 2：分析诊断，分析诊断具体的原因 3： 止损建议，根据诊断原因给出止损建议 |
信息收集 | 1. [TOOL]查询错误信息详情，获取结果列表中第一条数据traceId, stack_error_message, localBns 2. [TOOL]查询错误日志信息，获取traceId相关联的所有日志信息 |
分析诊断 | 1. [TOOL]分析错误日志信息，根据日志信息总结错误根因 2. [TOOL]分析错误信息详情，根据错误信息的描述和stack_error_message分析错误原因 |
止损 | 1. [TOOL]查询止损建议，根据诊断原因查询止损建议 |
4.多智能体架构落地实践
JarvisBot是一个中枢神经模块，做决策和触发任务，不做具体的业务逻辑。它链接用户（LUI层）和业务层，跟用户进行自然语言的交互，理解自然语言描述的SOP ，指挥底层系统完成对应的任务。它的几个重要部分包括：
- Agents（智能体集合）：包含DirectorAgent（技术负责人）、CoderAgent（程序员）、OpsAgent（操作智能体）、DiagnosisAgent（诊断智能体）等一系列智能体。
智能体都基于 BaseAgent 构建，具有基础的 SOP 理解和LLM ReAct 思维链规划能力。
△Agent基座框架
不同的 Agent 具有不同的技能，比如DirectorAgent规划智能体工作流、CoderAgent监听PRD生成代码，DiagnosisAgent监听诊断类问题产生诊断结论等。
Agents之间通过消息总线进行交互，不同的 Agent 产生和订阅不同主题的消息。
- 知识管理端：管理各种静态数据，并提供一定的自动化手段进行更新。比如借助数据飞轮管理和优化Prompts，录入并管理 SOP，自动化录制知识。
- 工具集合：链接底层业务接口，封装一些复杂操作，通过HTTP或者 RPC 请求获取业务模块的数据。
- 模型管理：对模型一些的封装管理，包括一些重试策略、排队算法等。
下图是一个典型的基于 SOP解决诊断问题的流程图：
图片
5.数据飞轮驱动多智能体架构持续进化
既然SOP是驱动多智能体协作的关键，如何持续产出 SOP 是让多智能体架构真正具有自主进化的能力关键。如何产出 SOP依赖于数据提炼的能力。因此：如何构建数据飞轮并且利用数据飞轮持续优化提炼SOP， 是实现多智能体持续进化的关键。
图片
5.1 大小模型飞速协同进化，是智能性进化的根基
智能体架构底层依靠一系列不同尺寸的模型。其中通用大模型用于通用知识理解和复杂推理，轻量级模型用于SFT 微调。
图片
上表看出，模型尺寸越小，成本越低、响应速度越快，但是通识能力和复杂问题推理能力就越来越差。
JarvisBot智能体的核心思路是用大模型教会小模型，借助大模型去构建小模型SFT训练优质数据集，在不同细分场景大量的使用小模型，从而达到智能性和成本的完美平衡。
△不断剪裁模型尺寸
△大模型教会小模型
△大小模型协同进化架构
基于离线AI 对话评估系统利用规则库、参考历史相似语料打分、语料聚类抽样、多LLM（文心4、GPT4、专精SFT模型等）群体智能打分，评估线上对话语料。单日机器可自动完成评估对话条目4w+，产出大量的评估报告推动JarvisBot从产品、LUI技术解析和模型基座多个角度飞速进化。
图片
5.2 如何实现持续进化—数据飞轮训练专家模型，自动提炼SOP
通过自动化评估系统，可以不断评估智能体的智能性，不断洞察用户的需求，包括产品功能使用情况、未满足的功能诉求、用户习惯操作动线等。借助数据飞轮可以不断训练出专家模型，自动提炼SOP，从而帮助多智能体不断的持续进化。
图片
6.AI Agent微服务治理平台Jarvis总结
图片