Kinesisk AI-agent minskar systemlarm med 75% på KuaiShous sökmotor
Forskare från KuaiShou har utvecklat Bian Que, en AI-agent som automatiserar drift och underhåll av stora onlinesystem. Systemet minskar antalet larm med 75% och uppnår 80% träffsäkerhet i rotorsaksanalys när det används på företagets e-handelssökmotor. Det intressanta är hur agenten själv lär sig vilken data och kunskap som behövs för olika typer av problem, istället för att mata in allt och hoppas på det bästa.
Djupdykning
Att hantera komplexa tekniksystem kräver normalt en hel armé av ingenjörer som sitter och övervakar grafer, analyserar loggar och jagar buggar mitt i natten. Men KuaiShou, Kinas stora kortvideoplattform, har byggt något som faktiskt verkar fungera - en AI-agent kallad Bian Que som automatiserat 75% av deras systemvarningar och löser problem dubbelt så snabbt som människor. Det smarta här är inte att de slängde in en ChatGPT och hoppades på det bästa, utan att de löste det verkliga problemet: hur AI:n ska veta vilken data och kunskap som är relevant för varje specifik situation utan att drunkna i irrelevant information. Systemet bygger på vad de kallar "Flexible Skills" - modulära kunskapspaket som automatiskt kan uppdateras och förbättras baserat på verkliga händelser och feedback från ingenjörer. När något går fel använder Bian Que inte bara sin träning för att gissa sig fram, utan plockar aktivt ut rätt mätvärden, loggar och tidigare erfarenheter för just den typen av problem. Det här är skillnaden mellan en AI som hallucinerar lösningar och en som faktiskt kan ersätta nattskift. 99% framgång i tester låter för bra för att vara sant, men siffrorna från produktionsmiljön är mer övertygande - när du faktiskt kan minska tiden att lösa kritiska problem med hälften på en plattform med miljontals användare, då pratar vi riktiga pengar och verklig påverkan.