日志、指标与追踪

日志、指标与追踪都可能指向同一问题，但它们从完全不同的角度呈现该问题。

日志 = “发生了什么？”

当应用内部发生事件时，日志会捕获带有时间戳的事件记录，涵盖从错误、警告到请求和状态变更等各类信息。这些详细的上下文信息能帮助你准确理解在特定时间点究竟发生了什么。

指标 = “系统行为如何？”

指标不是记录单个事件，而是将系统行为转化为随时间变化的数值度量，例如请求速率、错误率、延迟、CPU使用率和内存消耗。这使得模式、趋势和异常行为更容易被发现。

追踪 = “请求经过了哪些路径？”

在分布式系统中，单个操作可能穿越多个服务。追踪将每个步骤的跨度连接成端到端的旅程，展示时间消耗在哪里、涉及哪些服务，以及错误或延迟出现在何处。

但在处理事件时，发现信号仅仅是问题的一部分。

难点在于将这些信号与部署、提交、依赖关系和历史事件关联起来，以弄清楚到底是什么地方出了问题以及原因。

这正是智能根因分析能够提供帮助的地方。 @incident_io 的智能调查（Investigations）在事件宣告的那一刻便开始工作，基于上下文进行推理，构建由证据支持的假设，并指出下一步应从何处着手调查。

你无需从零开始、苦苦搜寻答案，而是带着一个初步成立的理论开始工作。

立即查看 → https://lucode.co/agentic-root-cause-analysis-z7xd…

你还会补充什么？

——

♻️ 转发以帮助他人学习和成长。 🙏 感谢 incident.io 对本文的赞助。 ➕ 关注我（Nikki Siapno），提升 AI 和系统设计能力。

Investigations 解决事件处理中最困难的部分，将你从告警到解决的速度提升一个数量级。

来源： https://incident.io/investigations?utm_source=linkedin&utm_medium=social&utm_campaign=FY26-Q3-819-INFL-LP-investigations-LearnMore&utm_content=Nikki-Siapno&utm_term= Investigations

智能根因分析

Investigations 解决事件处理中最困难的部分，将你从告警到解决的速度提升一个数量级。

面向可靠性代理的生产环境框架

Investigations 运行在一个专用框架上，该框架在收到新信号时重新评估，基于真实证据构建发现，并在将假设呈现给你之前，通过对抗性代理进行压力测试。

以截然不同的速度响应

凭借我们的代理扫描日志、代码和上下文，你的团队可以达到仅靠手动调试无法企及的速度。

更快地进行分类### 更快地进行分类

在调查之前，先了解严重性、影响范围，以及是否需要升级处理或可以放松应对。

即时根因分析### 即时根因分析

当问题严重时，Investigations 已经收集了上下文信息，展示是什么导致了问题及其原因，因此你可以基于真实证据开始调查。

用于调试的上下文感知代理### 用于调试的上下文感知代理

在事件处理的后续阶段，我们的代理将与你并肩工作，进行并行分析，并在你想到之前就发现潜在问题。

降低事件成本

事件的成本不仅仅是停机时间。它还包括所有相关因素：工程时间、客户信任和产品迭代速度。

• 减少牵扯的人员
• 更多时间用于构建
• 减少客户影响

与你技术栈中的每个代理协同工作

Investigations 可以与你已使用的代理和工具无缝衔接：编码代理、支持工具、任何通过 MCP 连接的工具。我们的目标是让人与代理步调一致，共同迈向问题的解决。

与你技术栈中的每个代理协同工作

告别冷启动

事件宣告的那一刻，Investigations 就已经完成了一次初步扫描。在任何人开始深入挖掘之前，你就能清晰地了解面临的情况以及从何处着手。

根因假设

你不必独自调试

你将获得一个对你的环境有完整上下文的代理，它在整个调查过程中与你协作，回答问题并进行并行分析。

查询遥测数据

构建在 Nexus 的强大能力之上

Investigations 运行在 Nexus 上，这是我们的生产智能模型。它实时对你的整个环境进行推理，因此即使在凌晨3点，它也能对一个它了如指掌的系统提出高置信度的假设。

了解更多关于 Nexus (https://incident.io/nexus)

• 能够访问你的团队产生的每一个相关上下文
• 对遥测数据、部署、代码和事件历史进行跨域推理
• 在共享结论之前，使用对抗性代理挑战其自身的结论
• 从每一次事件中学习，模型能够识别重复出现的模式

智能具有复利效应

每一次事件都教给它一些东西。你使用得越多，它就越智能。

在最关键时刻值得信赖

专为你最核心的时刻而构建，满足企业团队对准确性、透明度和数据隔离的要求。查看我们的 Vanta 信任中心 (https://trust.incident.io/)

可衡量的准确性### 可衡量的准确性

我们每天对照真实的历史事件进行回测，并在性能下降影响你之前发出警报。

基于证据的审计追踪### 基于证据的审计追踪

每个假设都链接到其来源，调查时间线让你可以跟随代理从首个信号到最终结论的推理过程。

你的数据始终属于你### 你的数据始终属于你

每位客户都拥有自己的 Nexus（我们的生产智能模型）实例，绝不会与其他客户共享。

符合 SOC 2 标准### 符合 SOC 2 标准

代码分析在隔离的、用后即销毁的沙箱容器中运行，并且我们在数据发送到模型之前会对敏感信息进行脱敏处理。

与模型提供商零数据保留### 与模型提供商零数据保留

我们与提供商签订了协议，禁止他们存储客户数据用于日志记录或训练。

未经你授权绝不采取行动### 未经你授权绝不采取行动

Investigations 能对你的系统做的唯一更改，是创建一个由你审阅并合并的拉取请求（Pull Request）。

效果之好，你会故意“搞点事情”

准备好让 AI 为你的事件处理工作了吗？立即预约与我们团队的通话。