客户概况

该客户是国内领先的智能支付终端企业。企业深耕海外市场，产品已销往海外多个国家和地区，服务对象覆盖收单机构、渠道合作伙伴及大量终端商户，在全球范围内建立了完善的销售与售后服务体系。

需求挑战

随着海外业务扩张和终端大规模联网上云，客户在 AWS 上的云资源规模持续增长，跨区域、多账户的运维变得越来越复杂。原有以人工为主的运维模式面临以下挑战：

• 告警分散，处置被动：CloudWatch、AWS Health、GuardDuty、Security Hub、Budgets 等来源的告警没有统一入口，全靠人工值守。夜间和业务高峰期响应不及时，影响全球商户的服务连续性。
• 重复沟通占用大量人力：告警确认、工单创建、分派、状态同步等重复工作占了运维团队 80% 以上的工时，没有精力做更有价值的稳定性优化。
• 缺少标准化闭环和根因治理：事件处置没有统一流程，也没有留痕记录。同类故障反复发生，根因分析和经验难以沉淀成可复用的知识。
• 非结构化告警难以自动处理：告警多为非结构化文本，传统规则引擎很难准确理解，也无法自动给出诊断结论和处置建议。

解决方案

基于客户需求构建了生成式 AI 云上告警智能运维平台：

• 统一接入与降噪：用 Amazon EventBridge 统一汇聚多源告警，按规则过滤和分级；预算类通知经 Amazon SNS 接入。告警统一进入 Amazon SQS 队列，配有死信队列兜底；再用 Amazon ElastiCache 去重并设置抑制窗口，避免告警风暴。
• 生成式 AI 诊断与内容生成：用 Amazon Bedrock 上的 Anthropic Claude 模型，把非结构化告警转成结构化的诊断结论（包括告警要素、资源、根因判断、优先级和处置建议），并自动生成标准化的 ITSM 工单内容。
• 检索增强生成（RAG）：用 Amazon Bedrock Knowledge Bases 管理运维 SOP 和历史根因分析报告，嵌入模型选用 Cohere Embed Multilingual v3，支持中英文混合内容检索。生成结果都有企业知识作依据，减少大模型幻觉。
• 负责任 AI：用 Amazon Bedrock Guardrails 对生成内容加安全护栏，并开启模型调用日志用于审计。关键处置由运维工程师确认，AI 不越权执行。
• 协同闭环：平台自动创建和更新 ITSM 工单，并通过 Teams 推送告警卡片。工程师可以在 Teams 中用自然语言问答和确认。结案后由大模型生成根因分析报告，经人工审核后沉淀到知识库，形成”处置—复盘—知识复用”的闭环。
• 云原生、高可用架构：
  • 服务运行在 Amazon ECS on Fargate 上，跨多可用区部署，自动弹性伸缩。
  • 数据层用 Amazon RDS for PostgreSQL（Multi-AZ）和 Amazon S3。
  • 通过 IAM 最小权限、AWS KMS 加密、AWS Secrets Manager、AWS CloudTrail 和 Amazon CloudWatch 实现安全治理与可观测。
  • 基础设施全部用 AWS CloudFormation 以代码管理。

客户收益

• 故障响应提速：告警自动生成工单，耗时从人工处理的十几分钟级缩短到 一分钟左右，实现 7×24 小时及时响应。
• 运维效率大幅提升：重复性运维沟通和工单处理的自动化率达到 80% 以上，运维团队可以把精力放在架构优化和风险治理上。
• 平台稳定可靠：平台可用性达到 99.9% 以上。
• AI 使用成本可控：通过流程状态机、按需加载上下文和知识库缓存，单次处置的 Token 成本下降 80% 以上。
• 知识持续积累：每次事件处置都有留痕，根因分析报告沉淀到知识库。同类问题能检索到历史处置经验，运维从”被动救火”转向”主动治理”。