值班工程师怎么用 AI 助手处理线上事故？一个技术团队踩坑后的实际方案

InfoQ 上有一条新闻。Instacart 公司内部建了一个叫 Blueberry 的 AI 助手，专门帮助值班工程师处理线上事故。这个项目值得展开，因为它展示了一个被忽视的 AI 应用场景。

先看 Blueberry 怎么工作。值班工程师收到一个线上事故告警比如某个服务响应时间突然翻倍。在这个告警触发的同一时间，Blueberry 开始自动做几件事。第一是把最近的代码部署记录找出来，看有没有跟这个服务相关的变更。第二是把相关的监控指标曲线拉出来，看有没有对应的异常波动。第三是查一下相关服务的历史事故记录，看这个事故之前发生过没有，上一次是什么原因怎么修的。

Blueberry 不是替代值班工程师做决策，是把值班工程师在电话被叫醒之后的 15-20 分钟调查时间压缩到几秒钟。值班工程师被叫醒的时候已经有了一份整齐的调查结果等着他看了。

InfoQ 的报道里提到一个数据。用了 Blueberry 之后，值班工程师的平均首次响应时间从 20 分钟降到了大概 5 分钟。不是因为 AI 更聪明反应更快，是因为 AI 把调查工作提前做好了，值班工程师拿到的是结论不是线索。

但报道里也提到了一个被低估的限制。Blueberry 在事故的第一阶段调查阶段非常有用，但在事故的第二阶段修复阶段几乎没用。因为事故修复涉及大量不可预测的情况和实时判断，这些场景超出了当前 AI 的能力边界。AI 能做的事是信息聚合和模式匹配，不能做的是在信息不完整的紧急情况下做出带有责任风险的决策。

这个限制对做运维 AI 工具的创业者来说是一个产品定位的提醒。事故处理分调查和修复两个阶段，AI 在调查阶段已经证明了价值，但在修复阶段的价值非常有限。不要把 AI 产品定位成替代值班工程师做决策的全能工具，应该定位成加速调查阶段的辅助工具。两个不同的定位会导致完全不同的产品设计方向。

创业找资源，上乌鸦部落。