新上线今天0 投票
Cornerstone OnDemand 借助 Amazon Bedrock 将数据库诊断时间缩短 78%
在数据库运维领域，故障排查往往依赖人工经验，耗时且效率低下。Cornerstone OnDemand 的 Enterprise DataOps 团队曾面临这一困境：每次数据库性能问题平均需要 45 分钟的诊断时间，工程师们不得不在多个工具和系统视图之间手动查询、交叉引用日志，再跨团队交接。如今，这一局面被一个名为 Orion AI 的多智能体系统彻底改变。
从被动救火到主动自动化
Cornerstone OnDemand 是一家全球领先的劳动力就绪解决方案提供商，服务覆盖 186 个国家、1.4 亿用户。其 Enterprise DataOps 团队此前长期处于被动响应状态，四大痛点尤为突出：
- 数据库性能调查每次耗时约 45 分钟，涉及多个工具和系统视图；
- 数据库生命周期工作流需要 10 个以上手动步骤，从建立连接到状态更新沟通；
- SRE 团队与数据团队之间的报告存在 15 分钟延迟；
- 冗余和重叠的警报制造噪音，掩盖了真正重要的信号。
这些因素导致工程师的时间被大量消耗在手动协调上，而非解决问题本身。
Orion AI 的架构与设计
Orion AI 是一个多智能体系统，采用中心辐射型拓扑：一个协调智能体（元编排器）将任务委派给多个专业子智能体。工程师通过一个 Web 应用与系统交互，在同一界面中提问并批准操作，无需切换工具。
这些智能体覆盖基础设施监控、数据库诊断、数据库生命周期操作、客户分析和知识驱动支持等场景。系统的构建遵循两大原则：
- 数据隐私：依托 AWS 共享责任模型下的控制措施；
- 深度集成：与现有运维工具无缝对接。
技术栈上，Amazon Bedrock 提供对基础模型的托管访问，Strands Agents（AWS 开源智能体编排框架）则充当编排层。
成果与可复用经验
Orion AI 上线后，数据库诊断时间从 45 分钟骤降至 10 分钟，降幅达 78%。更令人瞩目的是，这一系统由一个 三人团队在六个月内完成交付。
对于其他希望复用的团队，Cornerstone 的设计决策提供了宝贵参考：
- 明确痛点优先级：聚焦高频、高耗时的运维环节；
- 中心辐射架构：平衡集中协调与专业分工；
- 选择托管服务：降低基础设施负担，加速开发；
- 紧密集成现有工具：减少工程师的学习成本与切换开销。
这一案例表明，多智能体系统在运维自动化领域具有巨大潜力，能够将工程师从重复性劳动中解放出来，专注于更高价值的任务。
