Circle K用Amazon Bedrock做故障初筛，平均排查时间降至15分钟内
AWS博客称，Circle K的DevOps团队把告警到生成结构化摘要的流程交给AI代理，内部指标显示平均初筛时间从45–60分钟缩短到15分钟以内，降幅67%–75%；系统现运行在Amazon Bedrock AgentCore上，修复仍由工程师执行。
AI解读：AWS博客文章介绍Circle K DevOps团队用Amazon Bedrock构建自动故障初筛系统：Grafana告警触发后，AI代理查询AWS资源、OpenSearch日志和GitHub代码，生成包含可能根因、证据、负责人和建议修复步骤的摘要，发到Slack。
该版本于2026年4月上线。
系统最初用Amazon Bedrock Flows编排三个并行/串行代理，后因日志量和上下文增长，迁移到Amazon Bedrock AgentCore Runtime，把三个代理合并为单个会话中的代理，并用AgentCore Gateway统一管理数据源访问。
文章列出的经验包括：直接把日志内容放进提示词、知识库用默认配置、先做日志分析再缩小GitHub代码搜索范围、把分析逻辑与编排层解耦。
目前系统只负责定位根因和提出建议，实际修复由工程师执行；团队计划接入AWS DevOps Agent处理重启任务、扩容、回滚等简单操作，每步需工程师在Slack批准。
文章来自AWS官方博客，由AWS方作者与Circle K的Cloud DevOps工程师共同署名，所述效果为Circle K团队内部指标，没有公开的第三方评测或跨公司对比数据。
AWS博客文章称，Circle K的DevOps团队用Amazon Bedrock构建了一套自动故障初筛系统。告警触发后，AI代理查询AWS资源状态、OpenSearch日志和GitHub代码，在几分钟内把结构化摘要发到Slack。
Circle K团队内部事件响应指标显示，平均初筛时间从45–60分钟降至15分钟以内，降幅67%–75%。简单事件5–8分钟出摘要，复杂多服务事件也在15分钟内完成。
谁在什么范围内使用
Circle K在27个国家经营超过17,200家便利店和燃料零售店，其POS、会员应用和电动车充电应用运行在AWS上。DevOps团队通过Grafana跨多个AWS账户监控基础设施，日常告警包括容器重启、错误率升高、延迟尖峰和部署失败。
这套系统面向的是on-call工程师的初筛环节：把原先在CloudWatch查日志、在OpenSearch看链路、检查ECS任务状态、再到GitHub交叉比对内部runbook的重复操作自动化，不替代工程师执行修复。
- 适用对象：Circle K内部DevOps值班工程师
- 触发源：Grafana告警经SNS进入SQS，由Lambda调用分析流程
- 输出：Slack中的结构化摘要，含可能根因、证据、受影响服务和负责人、建议修复步骤
从Flows到AgentCore的迁移
最初版本用Amazon Bedrock Flows编排三个专门代理：AWSResourceExplorerAgent查ECS任务、负载均衡器健康和CloudWatch指标，OpenSearchExplorerAgent查应用日志和分布式追踪，GitHubExplorerAgent在前两者结果基础上搜索代码、基础设施定义和近期提交。三份输出汇入一次模型调用，生成摘要。
随着日志量和知识库增长，部分事件需要更长的分析时间。团队先通过更激进地过滤日志、缩短上下文窗口、拆分Flow来优化，随后迁移到Amazon Bedrock AgentCore Runtime，把三个代理合并为一个会话中的单个代理，Lambda在15分钟超时内取回结果。AgentCore Gateway把OpenSearch、Knowledge Bases和GitHub暴露为代理可调用的工具，集中管理访问权限。
文章称AgentCore Runtime支持最长8小时的会话，并提供会话持久化、基于OpenTelemetry的观测能力和框架灵活性。文章没有说明单次分析实际使用了多长的会话时间。
- 迁移前：多个代理分步执行，简单事件10分钟以内
- 迁移后：单代理会话，简单事件5–8分钟，复杂事件15分钟内
- 数据源访问：经AgentCore Gateway统一代理
文章给出的四条经验
文章列出Circle K团队在构建过程中总结的四点做法，均针对这套初筛系统本身。
- 提示词直接包含日志内容：早期只传日志组名和时间范围，让代理通过action groups查询CloudWatch，延迟高且返回数据过多；改为由Lambda预先查询并把相关日志行直接交给代理。
- 知识库检索用默认配置：团队测试后认为Amazon Bedrock Knowledge Bases默认配置对其数据效果最好，由服务端处理嵌入、索引和向量存储。
- 先用日志缩小代码搜索范围：GitHub搜索放在AWS资源和日志分析之后，避免无目标地返回大量仓库结果。
- 分析逻辑与编排层解耦：提示词、工具定义和分析步骤独立于流程结构，使迁移到AgentCore时无需重写初筛逻辑。
效果边界与下一步
文章所述效果来自Circle K团队内部事件响应指标，属于公司自述，没有公开的第三方评测或跨公司对比数据。文章只描述初筛时间的变化，没有给出误报率、漏报率或工程师实际修复时长的数据。
目前系统定位根因并提出建议，修复仍由工程师执行。团队计划接入AWS DevOps Agent，让系统处理重启任务、扩容服务、回滚部署等简单操作，每一步在Slack中由工程师批准后执行；还计划接入Jira关联工单、Confluence补充内部文档，并把runbook加入知识库以匹配已知故障模式。
- 已实现：告警到Slack摘要的自动初筛
- 未实现：自动修复、工单关联、文档和runbook接入
- 效果数据范围：Circle K单家公司内部指标