新闻中心

随着大型语言模型（LLM）日臻成熟，AI 智能体（AI Agent）从概念走向实际应用的时代已然到来。在众多的智能体使用场景中，可观测性天然具备智能体成功落地的三大要素：高质量的结构化数据、功能丰富的专业工具，以及明确的业务目标——保障系统稳定性。通过将先进的 AI 技术与可观测性场景融合，DeepFlow 智能体能够自主感知环境、推理决策并执行任务，为 IT 团队提供从日常巡检到快速诊断的全方位支持。这不仅提升了运维效率，更将 IT 人员从繁琐的日常任务中解放出来，使他们能够紧跟技术趋势，驾驭先进的 AI 工具，为业务连续性提供更坚实的保障。

在美国计算机协会（ACM）旗舰会议 SIGCOMM 2025 的首届 Next-Generation Network Observability (NGNO) Workshop 上，云杉网络与中国某头部保险集团展示“基于 DeepFlow 智能体的IT健康评估和故障诊断平台”，成为全球产学研关注的焦点。作为保险行业首个实现 “可视 — 维稳 — 智能” 全阶段落地的标杆项目，其不仅印证了AI时代下智能体和可观测性技术相结合的应用价值，更为此保险科技公司践行 “科技资源整合、服务能力支撑、运营共享服务、价值创造” 四大战略定位提供了核心技术支撑，为金融行业 IT 转型输出了可复制的实践路径。

在某国有银行的信创云日常运维中，发现大量未知的垃圾文件，存在严重的系统运行隐患，其承载的分布式核心交易系统的运行稳定性随时可能受到影响，运维人员尝试寻找产生垃圾文件的源程序，但却发现传统监控工具对未知程序在未知时间、未知节点、未知路径，写入未知文件的故障诊断并不是一件容易的事情，而 DeepFlow 使用 eBPF 技术实现的可观测性可以为运维人员提供纤毫毕现的文件读写观测能力，让此类问题的诊断定位变得极其轻松。

金融行业信创迁移过程中，故障定界困难、定位周期长、开发测试速度缓慢、生产运行风险高等因素正在不断地拖慢相关工作的效率和速度。如何让金融科技部门的业务信创迁移更快、更高效、更平滑？DeepFlow 通过 eBPF 带来的零侵扰、全栈、全链路可观测性技术，可以大幅度提升信创全系统的可观测性，从根本上扫除信创道路上故障诊断的技术阻碍。通过本篇案例您将了解到，某股份制银行在分布式核心交易业务向信创平台迁移的开发测试过程中，如何通过 DeepFlow 平台仅用 3 分钟时间将某次故障根因锁定到分布式核心数据库，快速消除不同运维技术栈之间的定位分歧，快速解决故障，加速开发测试速度。

I/O 线程阻塞是Java 程序经常出现的问题之一，此类故障发生时 Java 程序的请求、响应在 I/O 线程向操作系统 Socket Buffer 读/写过程中发生阻塞，由于在业务代码插桩无法观测到 I/O 线程的工作情况和性能表现，因而导致故障非常隐蔽和难以诊断定位。通过本篇案例您将了解到，某银行的开发工程师如何使用 eBPF 技术带来的零侵扰追踪能力，在某次分布式核心交易系统上线信创平台的非功能测试（性能压测）故障诊断中，用 3 分钟时间锁定 Java 程序 I/O 线程阻塞。

本文分享借助 DeepFlow 在某头部劵商业务压测场景中通过调用链追踪快速定位问题的过程。解决在容器云内等复杂调用场景中解决传统监控手段覆盖不全面、排障定位无手段等痛点。分享利用 DeepFlow 如何快速在复杂的业务调用过程中抽丝剥茧，快速排除网络问题，定位Pod服务自身业务逻辑问题，展现 DeepFlow 产品价值。

金山私有化项目在可观测性建设中，面临数据孤岛和缺乏全局视图的挑战，影响了问题排查效率。为此，引入 DeepFlow 和 eBPF 技术，打通了指标、追踪和日志数据的联动，提供了全局微服务调用关系。通过分阶段建设，已完成第一期目标，实现了从被动排障到主动观测的转变，提升了系统稳定性和运维效率。

本文将详细介绍 DeepFlow如何运用创新全链路观测技术，从业务全链路视角、系统服务全链路视角为电网行业带来全面的业务洞察和优化体验。

DeepFlow 通过 eBPF 技术零侵扰实现的全景图、分布式追踪和持续剖析等能力为车端的可观测性建设提供了开创性的新思路。