时间：2026年8月7日
地点：美国旧金山（Instacart 总部）
人物：Instacart CTO Anirban Kundu；Instacart SRE 团队
事件详情：
Instacart 8 月 7 日发布企业博客，介绍其内部 AI 辅助故障排查系统 Blueberry。该系统基于多个 AI Agent、操作数据与历史故障经验库，可在生产故障发生时为值班工程师提供上下文与根因假设。Instacart 报告，Blueberry 在 4 月共执行了约 25000 次诊断扫描，覆盖 270 多个 Slack 频道；由于接入了 14 年以上的故障历史数据，系统诊断准确率从中段的 60% 多提升至 95% 以上。当告警触发，Blueberry 会并行启动约 10 个子 Agent，3 分钟左右在 Slack 线程中输出根因假设，工程师无需切换工具即可完成调查。系统本身不直接修改生产环境。
背景：
大型互联网公司故障响应的"前 30 分钟"长期是工程师压力最集中的环节——需要快速识别服务归属、回看发布、分析日志、比对历史。Instacart 引入 Agentic AI 思路，把分散在 Slack、监控、文档、工单系统里的数据编织成"实时 AI 协作伙伴"，是 AIOps 从被动监控向主动协同进化的代表性实验。此举也呼应 OpenAI、Anthropic 等厂商力推的 Coding Agent / Operations Agent 方向。
影响：
- 重塑值班工程师工作流：AI 把"信息收集"环节前置，工程师专注于判断与决策
- 推动 AIOps 行业升级：服务规模较大的企业可能复制类似 Agent 架构，降低 MTTR
- 强化 AI Agent 应用边界：会议/排障/写文档等"重复劳动密集"环节将率先被 Agent 渗透
- 减少误改风险：Blueberry 默认不直接动生产环境，为企业级 Agent 落地树立"辅助而非接管"范本
总结：
Blueberry 是 AI Agent 在企业真实场景落地的又一次漂亮示范：3 分钟从告警到根因、14 年数据训练、并行 10 个子 Agent、不直接修改生产。它让"Agent + 历史经验库 + Slack 协作"组合首次具备工业级可靠性，预示着大型公司的 SRE 值班模式将进入新阶段。
参考来源：
- https://www.infoq.com/news/2026/08/instacart-blueberry-sre-ai/
- https://tech.instacart.com/blueberry-force-multiplier-for-the-on-call-engineer-98c446dfcc12
- https://www.unite.ai/instacart-blueberry-ai-incident-response/
- https://news.ycombinator.com/item?id=42456789
- https://www.linkedin.com/posts/ankundu_blueberry-force-multiplier-for-the-on-call-activity-7485344932899995648-Yv1N