TReNDS 如何使用 Amazon Bedrock 自动化根因分析

企业 AI8/8 00:22AWS 机器学习博客查看原文 ↗

摘要

本文介绍TReNDS中心在生产中利用Amazon Bedrock和Strands Agents SDK实现错误日志的自动根因分析，替代人工排查。

核心要点

TReNDS自2019年起在AWS上运行应用，使用EKS作为容器平台，日志经FluentBit发送到CloudWatch。
人工调查简单错误需要15-30分钟，复杂问题耗时更长；文章目标是自动化这一过程。
架构是：CloudWatch订阅过滤器检测ERROR、Exception、FATAL、CRITICAL模式，触发Lambda运行由Amazon Bedrock驱动的Strands Agent。
核心基础模型为Anthropic Claude Sonnet，模型自主决定如何调用工具，无需硬编码调查路径。
最关键的工具是源代码检索，能让模型从GitHub获取源文件、追踪执行路径并定位失败代码。

原文佐证

For straightforward errors, this took 15–30 minutes.
A CloudWatch subscription filter watches for error-level patterns ( ERROR , Exception , FATAL , CRITICAL ) and invokes a Lambda function when a match occurs.
Amazon Bedrock processes requests within our AWS account, so log data and source code stay within the same environment as the rest of our application.

AI 洞察

该案例表明，AI驱动的根因分析正在从概念走向生产，将事故响应中最耗时的调查环节自动化，有望大幅缩短故障修复时间。这类方案依赖日志质量和代码可访问性，云厂商提供的模型服务将降低实施门槛，未来可能成为云原生可观测性工具的标配能力。