← Financial Cloud Cloud 云端社群 · Amarathon 2025 回顾

极点宏观|Financial Cloud Cloud · AWS Amarathon 2025

极点宏观|Amarathon 2025 回顾 37:使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps

演讲者: Shaoyi Li

场次: 37

场次
Summit Dev Lounge2026 Re:cap
01 把架构写成 Steering,引导 AI Agent
02 Agent Harness 才是真正的工程护城河
03 用白话询问可观测性数据
04 以 Bedrock AgentCore 打造 Serverless AR 游戏
05 AgentCore 上的多 Agent 量化回测
06 三分钟用 Kiro 把博客变成幻灯片
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 实现 AWS 合规
03 从初学者到构建者:一段精彩的 AWS 云之旅
04 以团队为先:使用 Laravel 与 Bref 开展无服务器工程
05 活动开幕式
06 智能体到智能体:在 AWS 上构建可互操作的 AI
07 利用另一类遥测数据,借助 AI 智能体更快改进
08 告别氛围编程:使用 Kiro 进行规格驱动开发
09 使用 MCP 与 AI 智能体进行自动化测试
10 使用机器学习方法实现电信安全现代化
11 重新思考生成式 AI 智能体:RAG 与 MCP
12 使用 TAK 和 AWS 开展灾难与应急响应
13 从测试视角重新思考无服务器应用程序工作流
14 Practical AWS FinOps for Cloud Success
15 基于 AWS 的 AI 驱动全球纯 Alpha 宏观交易:重塑风险调整后资产收益
FSI Recap
01 现代交易生命周期:从交易到结算
02 Goldman Sachs:通过 Fast Track 加速应用程序上云 - AWS Re:cap Q1/2023
03 Zurich Insurance Group:在 AWS 上构建高效的日志管理解决方案
04 FSI Meetup 2025 年第四季度 - Brex 数据库灾难恢复
05 FSI Meetup 2025 Q4 - Graviton 迁移成功案例
06 FSI Meetup 2025 Q4 - Stifel 现代数据平台
07 FSI Meetup 2025 Q4 - PayPal 金融交易数据对账系统
08 FSI Meetup 2025 Q4 - 规模化提升韧性
09 最大限度提高 AI 推理成本效益:战略性采用 AWS GPU 实例
10 高级智能体 AI 设计模式
11 在 AWS 上构建全新的现代化应用
AWS re:Invent 2025
01 Coinbase re:Invent 回顾 (IND3312)
02 利用 AI 和 AWS 构建未来交易平台
03 交易创新:Jefferies 基于 Amazon Bedrock 构建的 AI 助手 (IND3315)
04 FSI 如何通过 Agentic AI (GBL302) 彻底改变 HFT 分析
05 使用 Amazon Time Sync 改进分布式系统(采用 Nasdaq)
06 Amazon Aurora HA 和 DR 全球弹性设计模式 (DAT442)
07 构建智能体式 AI:Amazon Nova Act 与 Strands Agents 实践 (DEV327)
08 深入探讨 Amazon Aurora 及其创新 (DAT441)
09 深入探讨 Amazon S3(STG407)
10 Nasdaq:为全球金融服务构建弹性基础设施 (HMC327)
11 AWS Lambda 新功能 (CNS376)
12 使用 Kiro 进行规范驱动开发 (DEV314)
13 Amazon 的 FinOps:全球电商巨头的云成本管理经验 (AMZ308)
14 AWS 上交易平台的 Tick-to-Trade 延迟
政务数据
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 端侧多模态 AI 与智慧城市实践
03 大模型能力评测与 AI 项目落地方法论
04 基于云代理的政府开发全链路受控自动化
05 从多智能体看 Agent 时代软件新生态
06 AI 驱动的宏观量化研究与智慧治理
07 公共数据授权运营与智慧政务实践
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
09 AI技术赋能心理健康公益:可信平台的治理、架构与实践
Amarathon 2025 回顾
01 开发者的智能体架构设计路线图
02 Amazon Bedrock 数据自动化
03 AgentCore 上的多智能体
04 实践中构建智能体式 AI:Nova Act 与 Strands Agents
04 使用规格驱动开发,通过 Kiro 加速迁移项目
06 从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
07 从观察到优化:从 LLM 可观测性迈向 AIOps,将实时洞察转化为智慧自动化
08 部署 TEAM 并打造最佳工程团队
09 五年来所谓无服务器数据库带来的五个惨痛教训
14 如果 AI 替我工作会怎样:Q Developer CLI 与 Kiro 如何改变我的日常工作
16 兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
26 在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
28 现代统一元数据架构:打破数据孤岛的新方法
29 无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
30 通过大规模性能测试构建兼具效率与可靠性的架构
31 通过开源连接世界:技术、社区与全球开发者关系的实践历程
33 构建流式 Iceberg 表以进行实时物流分析
34 加速大规模机器人策略训练:基于 Kiro、Trainium 和 EKS 的自动化闭环架构
35 通过规格驱动开发,从 Vibe 走向可行方案
36 让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
37 使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps

Kubernetes 运维挑战

运维数据量庞大,故障排查耗时

● 平均 MTTR 超过 4 小时,其中人工分析占 65%

● 分析数据量可达 TB 级

资源类型繁多、关联复杂

● 大量集群对象、事件和日志数据

在多种工具之间切换复杂

● SRE 每天在 8 种以上工具之间切换,上下文切换成本高

针对告警进行故障排查既复杂又耗时

● 自动化能力有限

● 只有 30% 的常见故障可以自动修复,复杂场景仍依赖人工决策

K8s 的学习成本和门槛高

● 运维效率对比

● 采用 AIOps 的企业,其平均故障恢复时间(MTTR)比传统模式缩短 90%,运维成本降低 50%

核心价值

● 1. 故障自愈:通过 AI 预测和自动化脚本,实现部分故障的无人值守修复。

● 2. 智能监控:从海量日志和指标中精准定位问题根本原因,告别大海捞针式搜索。

● 3. 释放人力资源:让 SRE 团队摆脱重复性工作,专注于更有价值的创新任务。


Kagent 驱动的 AIOps 解决方案

Kagent:云原生智能体 AI 框架

● CNCF 2025 开源沙箱项目,是专为 K8s 云原生场景打造的智能体框架。

● 通过集成多个模型平台(Amazon Bedrock、Anthropic、OpenAI 等),构建基于 K8s 的智能体系统。

核心优势

● K8s 云原生:与 K8s 生态系统原生集成,自然融入现有集群

● 丰富的使用场景:适用于任何 AI 智能体使用场景

● 丰富的工具集成:支持自定义 MCP 工具、内置多种 K8s 工具和预配置的智能体

● 可视化界面:UI 界面演进为多智能体工作流编排,更直观、更高效

● 全面的可观测性:内置跟踪、日志记录和监控能力,支持集成常用的可观测性工具

使用场景

● 云原生运维自动化、多集群管理、任何多智能体协作系统、AIOps 实践等。


Amazon Nova Sonic:推动语音对话式 AIOps

● Amazon Nova Sonic 是 Amazon Bedrock 提供的语音对话模型。

● 它统一了传统上相互分离的语音理解和语音生成模型,能够进行贴近现实、类似人类的语音对话,支持多种语言和语调,并具有低延迟和高性能。

使用场景

● AI 智能客服:全天候响应客户咨询

● 企业语音助手:集成知识库、智能体和外部工具,提供定制化服务

● 多语言学习工具:支持多种语言

● 多行业应用:金融科技、医疗健康、智能家居等。

与运维场景结合的核心价值

● 将传统复杂的人工故障排查 + 修复简化为语音对话,最大限度发挥 AIOps 智能运维能力,降低 MTTR


K8sGPT:开源 K8s 故障诊断专家

● CNCF 开源沙箱项目,为 Kubernetes 维护提供 AI 驱动的可观测性和自动化运维

● 支持 CLI 和 Operator 双模式,可进行即时分析和持续监控

● 扫描集群资源、事件、日志和指标,集成 Amazon Bedrock 上的 AI 模型来生成文本洞察和解释,还可以与 Kiro 的 MCP 功能集成,通过自然语言观察和维护集群

● 解决传统运维被动响应的问题,采用主动式 AI 智能运维

● 支持多种自定义分析器和可观测性工具,可与 Prometheus、Alertmanager、Grafana 等集成。


演示集群

● 部署在 Amazon Web Services 上的 EKS 托管集群,集群名称:eks-cluster

● 集群资源概览:该集群通过 ArgoCD 的 application 部署从 GitHub 读取的多项 K8s 资源。包括 2 个 pods、1 个 service 和 1 个 Deployment

● Pod 问题:内存限制设置为 200Mi,但运行的是一个 205Mi 的进程,导致 CrashLoopBackOff

实验性修复场景

● K8sGPT 识别 Pod 问题,并提供解释和修复建议。

● 最后,通过 ArgoCD 调整 application 内 Helm Chart 的内存限制参数,触发 ArgoCD 修改 pod 配置,使 pod 成功启动。


摘要

● 了解如何以 Amazon Bedrock AgentCore 为基础,在 AI 多智能体协作系统的赋能下,从零开始构建 K8s 智能运维解决方案。

● 只需一个简单句子,即可完成从问题识别、诊断到全自动修复的整个过程,大幅简化海量运维数据分析和人工修复操作,降低人为错误风险。

● 与 K8sGPT 原有的有限自动修复能力相比,该解决方案增加了更多基于业务的自动修复功能,使其更加灵活且可扩展。

● 对于自动修复场景,我们引入 HITL(Human-in-the-Loop)流程,以确保自动修复的可靠性和可控性。

● 利用 ArgoCD 的原生能力,所有修复操作均可审计、可回滚,从而降低维护风险。

● 运维工程师可以直接通过语音最大限度发挥 AIOps 智能运维能力,显著降低 MTTI 和 MTTR。

● 未来计划:集成 CloudWatch Anomaly Detection(AD)和 DevOps Guru,根据历史数据分析预测潜在的 K8s 集群故障。