云顾问-云护航AI Agent重塑传统订阅播报

云顾问-云护航基于售后与技术专项等团队多年沉淀的客户护航服务最佳实践，实现护航流程标准化和关键步骤自动化，保障客户平稳度过业务关键事件节点。

客户云资源订阅播报也是护航中也是非常重要的环节，如在春节重保护航周期内，客户需要按不同频率关注各云产品的指标播报，客户希望及时、准确接收核心服务的播报消息。

目前云护航支持了多时段多频率灵活播报能力，但面对客户对不同业务范围下各种播报内容的定制要求，依然是一个具有挑战性的问题。随着AI能力逐步深化落地，依托大模型的能力，让满足客户千人千面的定制化诉求成为可能。

传统订阅播报面临哪些挑战？

传统的订阅播报，用户可通过平台提供的固定的功能界面交互，完成订阅播报。

例如在云计算资源水位情况订阅播报场景中，通常需要以下几步操作：

1. 选择云产品以及云产品下的指标，如：CVM CPU利用率
2. 选择指标的播报计算点，如：指标值、平均值等
3. 选择播报渠道、播报周期，进行订阅播报

传统订阅方式下通常固化流程，用户很难直接地描述关注的业务以及该业务下的播报内容要求，也面临以下挑战：

1. 不具备业务属性，难以聚焦业务关注点，有效信息识别率低
2. 播报内容固化，订阅价值感知模糊, 定制内容成本高、周期长
3. 无法对齐客户需求，订阅内容缺乏持续吸引力

如何用AI Agent重塑传统订阅播报？

首先基于云上业务系统的调用关系链、网络拓扑结构以及风险巡检等得到的资源清单，云顾问实现了自动绘制架构图功能。客户可快速绘制业务的架构图，一图胜千言，业务范围清晰明确。

基于云护航AI Agent意图识别与自然语言理解，提供非常灵活的播报模板生成，自动提取动态计算的字段和指标，无需配置复杂规则。

提供以下能力破局传统订阅播报的挑战：

1.按业务范围明确关注点，聚焦业务

进入云顾问架构图的云护航插件中，打开护航Agent。

根据业务架构图，用户可描述订阅重点关注的业务范围，聚焦业务关注点，避免无效播报内容。

设置重点关注业务后，架构图上业务重点范围下的内容高亮展示，一图胜千言。

2.智能识别定制播报内容，降低定制成本

• 方式一：描述关注云产品、指标，AI快速生成播报内容

订阅配置-播报指标提供快速云产品、指标快捷指令，可快速描述关注的云产品、指标。

AI Agent识别关注的云产品、指标，快速生成播报模板并生成预览效果，可通过自然语言描述进行修改。

• 方式二：对播报内容内容格式定制要求，可自定义订阅播报内容

发送自定义播报模板给AI Agent,可根据模板内容、格式要求进行生成播报内容进行预览，也可以持续通过自然语言描述进行修改。例如：将CVM CPU使用率 最大值修改为平均值。

3.对齐需求，精准触达

用户订阅通过自然语言的方式进行订阅，对订阅播报内容可进行定制化修改，对齐理解用户需求。

播报渠道：支持多种触达方式，客户售后群、外部群、自定义WebHook、企业微信等。

Agent体验链接： 点击体验

AI Agent落地有哪些技术经验？

1. NL2MQL提升指标查询计算稳定性

NL2MQL(Natural Language to Metrics Query Language)：这种路径也是ML2SQL之上的全新探索的方向，抽象指标语义层，增强大模型对业务指标的理解与口径对齐，能更好地处理用户的自然语言，提升了指标提取处理的准确性和可靠性。同时指标语义层到数据查询层的转换是可控的，相对AI直接生成SQL安全与性能方面可大大提升。

指标语义层具体是什么？

包含几个重要内容：

• 指标（Metrics）：查的具体的指标，比如“CVM CPU利用率”
• 计算方式（Calculation method）：如何计算指标，比如“最大值”、“值列表”、“同环比”等
• 计算维度（Calculation Dimension）：计算的维度，比如“异常状态的指标”、“某类产品的指标”

具体的语义层也可根据业务场景扩展加强。

2. 基于Graph提升AI Agent 任务精度

随着MCP（Model Context Protocol）为大语言模型设计的开源通信协议的大火，使用 MCP 可以标准化大模型与外部数据源、工具或服务之间的交互。现阶段AI虽然能够能自行规划拆解任务，去调用MCP服务处理相关任务，最终达到完成任务的目标，但现阶段如果把任务的拆解处理以ReAct‌模式完全交给AI，任务复杂度一旦上升往往可能带来不符合预期的结果。

AI对任务的控制权应根据业务场景中任务的复杂度进行动态调整与范围限定。

我们基于利用大模型的思维链（CoT）和ReAct框架，探索实现了Graph技术框架，可把复杂度较高的任务拆分成Graph的节点（Node），各节点间可灵活进行编排，这样AI处理这类复杂任务时就能按照预期进行更好的处理。

基于原则：Treat LLM like a child. 总结以下提升任务精度的建议：

1. Prompt减少和任务无关的信息，避免输入，避免信息干扰
2. 特定业务复杂任务合理拆分，结合MCP与Graph进行处理
3. 让大模型完成必须要AI完成的任务，其余任务尽量技术框架完成

3. 大模型快慢思考组合策略提升任务处理效率

大模型“快慢思考”组合策略通过模拟人类认知的双系统理论，可显著提升了任务处理效率。结合DeepSeek-V3和R1模型的特性展开分析：

DeepSeek-V3：以通用性能见长，在知识、数学等综合榜单对标GPT-4o。其优势在于平衡效果与速度，但未显式区分快慢思考路径。

DeepSeek-R1：专为推理优化，通过四步闭环（Fast Thinking → Verification → Slow Thinking → Summarization）实现高效任务分解：

1. Fast Thinking阶段生成初步答案
2. Verification阶段验证答案正确性，避免冗余计算
3. Slow Thinking阶段修正错误，提升复杂任务准确率
4. Summarization阶段提炼知识模板，反哺快思考效率

可考虑采用 Graph+模型调用动态切换组件的技术架构，可在不同节点（Node）依据具体任务的特性（如复杂度、实时性要求等），动态调度使用 DeepSeek-V3 或 R1 大模型进行差异化处理。快慢思考组合策略通过任务分解、动态资源分配和工程优化，有效解决了大模型在速度、效果与功能之间存在的“不可能三角”痛点。

畅想未来，与AI共舞

在AI Agent落地过程中，大家也可能面临业务、技术相关问题，可以留言交流，Growing together with AI。

• 大家是否同样遇到这样的场景诉求，贵公司如何做的，订阅播报还能够应用在哪些场景？
• 可视化大屏相对订阅播报是否更有趋势？
• 大家在AI这块做了哪些的探索？业务重塑过程中有哪些挑战？

腾讯云顾问（Tencent Cloud Smart Advisor）是一款结合卓越架构治理理念的可视化云架构IDE和多个ITOM领域垂直应用的云上治理平台，以“一个平台，多个应用”为产品理念，依托腾讯云海量运维专家经验，助您打造卓越架构，实现便捷、灵活的一站式云上治理。（了解更多请点击：云顾问_一站式云上治理_可视化架构-腾讯云）