HackerNews中文版

大家好！我们是来自Relvy AI的Bharath和Simranjit（<a href="https://www.relvy.ai">https://www.relvy.ai</a>）。Relvy为软件工程团队自动化值班运行手册。它是一个配备了分析遥测数据和代码工具的AI代理，能够帮助团队在几分钟内调试和解决生产问题。这里有一个视频：[[[<a href="https://www.youtube.com/watch?v=BXr4_XlWXc0" rel="nofollow">https://www.youtube.com/watch?v=BXr4_XlWXc0</a>]]]许多团队以某种形式使用AI来减轻值班负担。你可能正在将日志粘贴到Cursor中，或者使用Claude Code与Datadog的MCP服务器来帮助调试。我们观察到，自主根本原因分析对AI来说是一个困难的问题。这在基准测试中得到了体现——Claude Opus 4.6在OpenRCA数据集上的准确率仅为36%，而在编码任务中则表现更好。造成这种情况的主要原因有三个：（1）遥测数据的体量可能会淹没模型，产生噪音；（2）数据解释/推理依赖于企业上下文；（3）值班是一个时间紧迫、高风险的问题，AI在调查时间内几乎没有探索的空间。导致用户走上错误路径的错误是很难被宽恕的。在Relvy，我们通过构建专门的遥测数据分析工具来解决这些问题。我们的工具可以从密集的时间序列数据中检测异常和识别问题片段，进行日志模式搜索，并推理跨度树，所有这些都不会使代理上下文过载。围绕运行手册锚定代理可以减少代理的探索性，更多地反映出经验丰富的工程师会采取的最有用的步骤。这导致分析速度更快，工程师在审查和理解AI所做的工作时的认知负担更轻。工作原理：Relvy通过docker-compose（或通过helm charts，或在我们的云上注册）安装在本地机器上，连接你的技术栈（可观察性和代码），创建你的第一个运行手册，并让Relvy调查最近的警报。每次调查都以笔记本的形式呈现在我们的网页用户界面中，配有数据可视化，帮助工程师验证并建立与AI的信任。从此，Relvy可以配置为自动响应来自Slack的警报。Relvy自动化的一些示例运行手册步骤包括：- 检查某个仪表板，查看错误是否仅限于特定分片。- 检查APM页面是否有吞吐量激增，如果有，是来自几个IP吗？- 检查最近的提交，看看这个端点是否有任何变化。你还可以配置Relvy可以运行的AWS CLI命令，以自动化缓解措施，并需要人工批准。关于我们的简要介绍——我们在2024年秋季参加了YC。我们开始时尝试使用小型语言模型进行持续日志监控——那太慢了。随后我们深入投资于有效解决根本原因分析，我们今天的产品是与早期客户合作约一年工作的结果。今天就来试试我们吧。我们很乐意听取反馈，或者了解你们公司是如何应对值班负担的。感谢任何评论或建议！

24小时热榜