英文原标题：How Circle K accelerated DevOps incident triage to under 15 minutes with Amazon Bedrock
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- Circle K 在 27 个国家运营超过 17,200 家便利店和加油站，其基于 AWS 的云原生基础设施支撑 POS、忠诚度应用和 EV 充电应用，随着业务扩展，告警数量和人工分诊开销不断增长。
- Circle K 使用 Amazon Bedrock 构建自动化分诊系统，采用代理式 AI 架构，在告警触发后几分钟内向 Slack 发送结构化摘要，将平均分诊时间从 45–60 分钟降至 15 分钟以内。
- 初始架构基于 Amazon Bedrock Flows，协调多个专用代理并行或顺序工作：AWSResourceExplorerAgent 检查 ECS 任务状态、负载均衡器健康和 CloudWatch 指标日志；OpenSearchExplorerAgent 查询应用日志和分布式追踪；GitHubExplorerAgent 搜索代码、基础设施定义和最近提交以定位问题。
- 所有代理输出汇入 AnalysisPrompt 节点，生成包含可能根因、支持证据、受影响服务及负责人、建议修复步骤的结构化摘要，整个流程从告警到 Slack 消息耗时 5–15 分钟。
- Circle K 选择 Amazon Bedrock 因其提供单一 API 访问基础模型、无需自建模型托管和编排、与现有 IAM/VPC/日志管道集成，且不共享客户数据或用于训练模型，满足安全要求。
关键数据
- 超过 17,200 家门店，覆盖 27 个国家
- 平均分诊时间降至 15 分钟以内，减少 67–75%
- 从告警到 Slack 消息耗时 5–15 分钟
- 示例告警：HTTP 5xx 错误率连续 3 分钟超过 5%
为什么值得看：该案例展示了如何利用 Amazon Bedrock 的代理式 AI 架构自动化 DevOps 事件分诊，显著缩短响应时间并减少人工重复工作。
