Circle K 用 Bedrock 初筛缩到15分钟

时间：2026年11月2日，AWS 官方博客发布 Circle K 的智能运维案例，文中说明基于 AgentCore 的版本已于 2026 年 4 月完成部署。 地点：Circle K 在 27 个国家运营 1.7 万多家便利店与加油站门店，其 POS、会员应用与电动车充电应用全部运行在 AWS 上。 人物：Circle K 云 DevOps 工程师 Marek Klatowicz（该博客的联合作者）、Circle K DevOps 值班团队、AWS 人工智能与 Amazon Bedrock 团队。 事件详情：Circle K 用 Grafana 跨多个 AWS 账号监控基础设施，日常告警包括容器重启、错误率升高、延迟飙升和部署失败。过去每个告警都要工程师手工拉日志、查服务健康、跨工具关联症状，一个告警就要花掉 45 到 60 分钟，问题还没开始修。为压缩这段等待，Circle K 搭了一套基于 Amazon Bedrock 的智能体化故障初筛系统。早期版本以 Amazon Bedrock Flows 作为编排层：Grafana 告警发到 Amazon SNS，再转入 Amazon SQS 队列，由 Lambda 函数取出告警，分发给多个专用智能体并行处理，一个负责分析 AWS 资源数据，一个负责检索 OpenSearch 日志，一个 GitHubExplorerAgent 负责拉取 GitHub 上下文，三路结果最后汇入一个名为 AnalysisPrompt 的节点，由一次不带工具的模型调用生成结构化摘要，再推送到 Slack 频道，值班工程师两分钟内就能扫完摘要直接决策。后续系统迁移到 Amazon Bedrock AgentCore，由 AgentCore Gateway 把 OpenSearch、Amazon Bedrock Knowledge Bases 和 GitHub 统一暴露成工具，集中做访问控制，方便增删数据源；内部产品卡片的检索则交给 Bedrock Knowledge Bases 这套托管 RAG 能力，不再单独维护向量库。Circle K 给出的结果是：平均初筛时间从 45 到 60 分钟降到 15 分钟以内，降幅 67% 到 75%，简单事件 5 到 8 分钟出摘要，复杂多服务事件从人工要一小时以上缩短到 15 分钟内完成，整条从告警到 Slack 消息的链路耗时 5 到 15 分钟。 背景：把 AI 智能体接进生产运维值班链路，是企业落地智能体最容易起步的场景之一，因为它的输入输出都很明确：一条告警进来，智能体自己去查日志、看资源、翻代码，最后给出一段人可以直接读的结论。真正难的是上下文分散，日志、资源配置、代码变更分别躺在不同系统里，过去只能靠人工串联。同期 AWS 也把 Bedrock 从单纯提供模型 API 推向编排层（Bedrock Flows）与运行时（AgentCore），并用 Gateway 统一数据源接入，本质上是在帮客户自建一套智能体运维底座。案例里的工程取舍也值得留意：把昂贵的分析动作拆成多个专用智能体并行跑，最后只保留一次不带工具的模型调用做汇总，兼顾结论质量与调用成本。 影响：对企业运维而言，初筛从人力密集的手工排查变成智能体流水线，值班工程师的角色从收集上下文切换到看摘要做决策，这类告警到结论的链路是智能体最先跑起来的运维入口。需要注意的是，67% 到 75% 的降幅来自 Circle K 内部的事件响应指标，依赖 Grafana 告警质量和既有的 AWS 资产结构，不是通用基准，直接照搬数字意义有限。对国内做 DevOps 智能体和可观测平台的团队，这条告警到日志到代码到修复建议的链路是可直接对标的场景；对想自建智能体运维体系的团队，多专用智能体分工、单一汇总调用、Gateway 统一数据源接入这套组合是值得复用的工程范式。 总结：AWS 把 Circle K 的故障初筛系统摊开来讲，一个横跨 27 国 1.7 万多家门店的零售品牌，把告警初筛时间从 45 到 60 分钟压到 15 分钟以内。做法并不神秘：Bedrock Flows 编排多个专用智能体并行查资源、查日志、查代码，最后用一次 AnalysisPrompt 汇总成结构化摘要，再迁移到 AgentCore 用 Gateway 统一接数据源。真正值得借鉴的是分工方式与成本控制，而不是那个降幅数字本身，那是客户内部口径。对多数企业来说，智能体最先能站稳的位置，往往正是这类接告警、给结论的运维值班场景。 参考来源： AWS 官方博客《How Circle K accelerated DevOps incident triage to under 15 minutes with Amazon Bedrock》 https://aws.amazon.com/blogs/machine-learning/how-circle-k-accelerated-devops-incident-triage-to-under-15-minutes-with-amazon-bedrock/ AWS 中文博客同题《How Circle K accelerated DevOps incident triage to under 15 minutes with Amazon Bedrock》 https://aws.amazon.com/cn/blogs/machine-learning/how-circle-k-accelerated-devops-incident-triage-to-under-15-minutes-with-amazon-bedrock/ 中文报道《Circle K 用 Amazon Bedrock 将 DevOps 事件初筛缩短至 15 分钟内》 https://www.aiboss88.com/news/circle-k-bedrock-incident-triage 中文报道《Circle K 如何借助 Amazon Bedrock 将 DevOps 事件分诊加速至 15 分钟以内》 https://ai.qidiandaohang.com/news/11567935/ 中文报道《Circle K 用 Amazon Bedrock 做故障初筛，平均排查时间降至 15 分钟内》 https://scopeai.cc/stories/circle-k%e7%94%a8amazon-bedrock%e5%81%9a%e6%95%85%e9%9a%9c%e5%88%9d%e7%ad%9b-%e5%b9%b3%e5%9d%87%e6%8e%92%e6%9f%a5%e6%97%b6%e9%97%b4%e9%99%8d%e8%87%b315%e5%88%86%e9%92%9f%e5%86%85-mvzjvc9k 英文报道《Automating DevOps Incident Triage with Amazon Bedrock Agents》 https://cloudninjas.ca/ai/automating-devops-incident-triage-with-amazon-bedrock-agents/ 英文报道《Amazon Bedrock Incident Triage: Circle K's Approach》 https://dropagentic.com/amazon-bedrock-incident-triage-circle-k/ 英文报道《How Circle K accelerated DevOps incident triage to under 15 minutes with Amazon Bedrock》 https://aidr.today/80eb6a78?lang=en