Rootly

产品介绍

Rootly 是团队面向运维排障开发的 AI Agent 系统。面对一条告警，值班人员往往需要在指标、历史记录和排障文档之间反复切换，才能判断异常发生在哪里、还缺哪些证据。Rootly 将这些步骤串成一条调研流程，帮助人更快进入有依据的分析。

系统接收告警后，先做去重和任务分发，再由 Agent 根据对应的排障指南调用工具、收集证据，生成分析概要、解决建议和详细报告。使用者也可以围绕告警继续追问。这里介绍的是团队共同建设的产品；我的工作主要集中在工具结果进入模型前的处理，以及调研过程的可靠性。

我负责的内容

保留工具结果的结构

工具返回的数据可能超过上下文预算。我参与实现了保留 JSON 结构的结果边界，替代直接截断字符串的处理方式：缩减时保留完整元素，无法安全容纳时明确表达溢出。同时将给模型看的内容与工具原始执行结果分开，避免展示层的裁剪改变成功、失败和重试判断。

保留真正需要关注的异常

在指标时序的降采样中，我修复了均匀抽样可能漏掉窗口中部尖峰的问题，让极值、告警附近的点和异常区间端点优先保留；同时改进序列选择与标签匹配，减少无关序列挤占结果的情况。目标是在有限的数据量中，让关键异常仍然可见。

接通调研要求与执行记录

排障指南可以声明必须调用的工具。我修复了这些声明到 Agent 执行链路的接线，并补齐执行结果的持久化记录，让质量统计能够区分缺失与失败，而不只是检查报告文字是否完整。

为边界行为补充回归验证

我围绕超大结果、溢出语义、异常峰值与必备工具链路补充测试，也参与同告警重复调研和报告处理问题的修复，将具体故障转化为可以重复检查的场景。

最终成果

截至 2026 年 9 月 14 日，上述工作已形成仓库中的功能与修复提交。它们让工具结果缩减、时序证据筛选和调研要求检查具备更明确的行为边界，为团队继续评估报告质量提供了基础。

对使用者而言，价值是调研过程中更有机会保留关键证据，并能追踪必备工具是否真正执行。这里陈述的是已交付的工程能力，不将局部测试等同于线上准确率，也不以未经核验的数字承诺排障提效。

相关链接

Rootly 为非公开团队项目，暂不提供公开仓库或演示入口。本页仅介绍产品方向与我的技术工作。