随着金融业数字化转型速度加快，行业的数据中心规模与复杂度也在攀升，传统运维模式存在的被动响应、故障定位低效等问题日益凸显。在此背景下，交通银行数据中心团队联合华为DME存储数据管理研发团队，利用大模型Agent、知识库等技术，推动运维模式从“经验依赖”向“智能决策”转型，实现了IT系统运维的可靠性提升和效率优化。

据了解，传统运维方式依赖告警监控、关键指标分析等手段，难以提前发现隐患进行主动防范，应急处置时仅依靠工程师经验难以快速定位问题，故障排查往往陷入“大海捞针”的困境。针对这一问题，交行与华为团队构建“1+1+N”多Agent智能运维架构，形成“感知-决策-执行”的完整闭环。其中，第一个“1”指的是1个大脑，即动态任务决策引擎，依托知识图谱和RAG技术实现智能运维决策；第二个“1”指的是1个中枢，即流程编排引擎，可实现多任务并发调度；“N”指的是N个智能体，可提供计算、存储、基础设施的全场景Agent协同。

基于多Agent智能运维架构的DataMaster运维智能体，依托NL2API（自然语言转API）技术与RAG知识引擎的融合，运维人员不再需要手动串联繁琐的操作步骤，通过自然语言指令即可发起运维查询与诊断。例如，当运维人员提出“分析下A虚拟机CPU性能问题的原因”，该智能体能够理解人的意图、自动分解任务、调用相关API和数据、生成分析报告并给出优化建议。值得一提的是，从交行的项目实践来看，该智能体已实现单轮问答准确率超90%，多轮对话理解融合度达85%以上。

此外，对于每日百亿级日志处理压力，DataMaster运维智能体采用“快思考+深思考”双路径诊断机制：“快思考”基于规则匹配，可秒级响应常见故障；“深思考”则融合统计特征与语义编码，结合大语言模型与故障知识图谱，实现根因深度推理根因。双路径诊断机制，使系统能够在分钟级锁定异常线索，兼顾响应速度与诊断准确性，破解了传统规则引擎应对复杂异常能力不足、纯AI模型响应延迟的难题。

据《智探AI应用》了解，此前，交行与华为云数仓DWS曾推出智能运维工具Autopilot，该工具与DataMaster运维智能体形成场景协同。

信息显示，该工具以“数据驱动、AI诊断”为理念，构建“监控-诊断-优化”的闭环体系，具备三大智能运维能力，具体包括：一是全维度实时监控，覆盖硬件资源、性能指标与SQ执行效率，实现从集群到语句的透明化可观测，支持实时预警与历史回溯；二是Agent诊断引擎，针对资源告警，Autopilot的AI诊断Agent功能可自动分析关联指标，快速锁定问题源头，生成可疑用户、可疑SQL清单与优化建议，将故障定位时间从小时级压缩至分钟级；三是SQL级深度洞察，工具突破传统监控的“指标层面”，深入至SQL语句执行计划、锁等待、数据倾斜等细节，帮助DBA精准识别低效查询、死锁风险或参数配置。