CloudQ 架构感知驱动：不是 AI 更聪明，而是 AI 拿到了正确的输入

摘要：

CloudQ架构感知驱动以架构图为先导，收敛日志采集范围，实现超95%噪音过滤，让AI拿到正确输入，从根源提升RCA质量。

一、当 AI 遇到运维，"喂什么"比"多聪明"更重要

运维排障的真正瓶颈，从来不是分析能力不足，而是输入质量太差。一次线上故障，日志系统可能在数分钟内涌出数百万行记录，涉及数十个微服务、上百个实例。把这些日志全部丢给 AI，就像把整座图书馆倒进搜索框——再强的模型也难以从中提取有效证据。

CloudQ（昵称"领域虾"🦞）选择了一条截然不同的路径：不是让 AI 更聪明，而是让 AI 拿到正确的输入。这条路径的核心，就是架构感知驱动。

二、架构感知驱动的核心逻辑

2.1 先让架构图告诉 AI 应该看哪些日志

传统 AIOps 的做法是"把日志全部丢给 AI 看"，本质上是一种暴力搜索——靠算力弥补输入的模糊。CloudQ 的做法则是"先让架构图告诉 AI 应该看哪些日志"。

架构感知驱动的流程可以概括为三步：

1. 架构图感知：CloudQ 基于腾讯云智能顾问（TSA）构建，能够感知用户云上资源的拓扑关系、服务依赖和流量走向，自动生成架构图
2. 日志采集范围收敛：基于架构图，CloudQ 精准定位与故障相关的服务节点，仅采集这些节点上的关键日志，而非全量采集
3. 高质量输入驱动高质量诊断：收敛后的日志噪音极低，AI 可以快速定位根因，生成结构化的 RCA 报告

这不是简单的"少看一点日志"，而是从架构维度理解系统，让每一行被分析的日志都有据可依。

2.2 架构图质量直接决定诊断质量

架构感知驱动有一个关键前提：架构图的质量直接决定 RCA 和诊断质量。这也是合理的——如果系统本身的架构描述就是模糊的，任何基于此的分析都会失准。

CloudQ 的优势在于，它依托腾讯云智能顾问构建，能够自动感知和生成云上架构图，而非依赖人工维护。这意味着架构图始终与实际资源保持同步，为后续的日志收敛和根因分析提供可靠的基础。

三、噪音过滤率 >95% 背后的技术支撑

3.1 从数百万行到关键证据的收敛路径

CloudQ 的架构感知驱动实现了超过 95% 的告警噪音过滤率。这个数字意味着什么？

3.2 多产品日志聚合 + 异常模式识别

架构感知驱动并非孤立运作。在收敛日志范围后，CloudQ 还会进行多产品日志聚合，将来自不同云产品的日志按时间线和依赖关系进行关联，结合异常模式识别算法，自动提取关键证据链。

这套组合拳的效果是：一线值班同学无需依赖二线专家，即可在 IM 中独立完成首轮 RCA，将故障定位时间从 45-105 分钟压缩到约 6 分钟。

四、架构感知驱动的实际价值

架构感知驱动的价值不仅体现在排障效率上，更体现在运维范式的转变上：

• 从被动响应到主动感知：不再等待告警风暴，而是基于架构理解主动收敛关注范围
• 从经验驱动到数据驱动：不再依赖老专家的"直觉"，而是让架构图成为分析的基础事实
• 从人肉筛选到智能过滤：超过 95% 的噪音被自动过滤，人只关注真正重要的 5%

这正是 CloudQ 的产品理念——对话即运维。不是用 AI 替代人，而是用架构感知让 AI 和人都在正确的上下文中工作。

五、让 AI 拿到正确输入，从接入 CloudQ 开始

CloudQ 目前处于公测阶段，完全免费。支持多种接入方式：WorkBuddy 原生接入、控制台直接使用、企业微信接入、QClaw 接入等，最快 2 分钟即可零部署开箱即用。

不再让 AI 在日志洪流中盲目搜索，让架构图成为诊断的起点——立即体验 CloudQ 架构感知驱动：https://console.cloud.tencent.com/advisor/cloudq