古茗万店运维重构：AI Agent 从「被动告警」到「主动执行」的落地实践

事件概述

古茗科技集团针对全国上万家门店的高并发数据库运维痛点，与阿里云瑶池数据库团队合作，引入 AI 原生数据库服务（AIDBS）。通过部署 AI Agent，实现了运维流程的重构：由 Agent 承担初步诊断、执行低风险操作及答疑，人类专家专注于关键决策与架构优化。这一转变不仅解决了 DBA 团队人手不足的问题，还推动了研发信任度提升和专家经验的数字化沉淀。

核心信息

1. 痛点背景：传统运维模式的瓶颈

• 规模压力：古茗拥有上万家门店，支撑业务的是 RDS、Redis、MongoDB、PolarDB 等 100 多个数据库实例。尖刺流量频繁，订单量持续增长。
• 人力局限：DBA 团队规模有限，70% 的时间消耗在“接警—登跳板机—看 Process List—Kill 慢 SQL—判断是否扩容”的标准流程中。
• 响应滞后：一次大促处置最快需 10-20 分钟，导致客户下单延迟和门店出杯卡顿。
• 协作低效：MySQL 主库 CPU 飙高频发；元数据分散导致沟通成本高；变更审批流程冗长，DBA 成为研发链路瓶颈。

2. 解决方案：人做判断，Agent 做执行
古茗确立了“人来做判断和决策，Agent 来调度和执行”的核心原则，具体落地为三个方向：

• 数据资产活化与智能辅助

  • 机制：不再依赖静态数据字典，而是将 Meta Agent 嵌入研发工作流。在 IDE 写 SQL 时，自动识别表结构、字段口径及索引建议；在变更审批时，自动计算血缘关系、评估影响面和风险等级。
  • 效果：低风险操作（如加索引、加配置）由 Agent 直接执行，无需人工逐条审批。DDL 审批时间平均下降 30%–40%。

• 智能值班员：从被动响应到主动诊断

  • 机制：改变“出警短信找人”的逻辑，转为“Agent 先诊断”。Agent 自动拉取慢日志、对比历史基线、定位问题 SQL，并提供组合索引、限流或临时扩容等方案供 DBA 选择。
  • 效果：在大促等高负载场景下，Agent 能在几分钟内完成定位并给出建议，DBA 一键执行后，整体处置时间缩短至 5 分钟以内。其建议质量与资深 DBA 相当，且更具客观性。

• 安全边界：数据网关与权限管控

  • 机制：在 Agent 与生产数据库之间部署数据网关，对 SQL 进行解析、改写，实施越权字段脱敏和危险操作拦截。身份维度从单一账号细化为“场景 + 会话 + 工具”，确保所有操作按 Session 可追溯。
  • 效果：解决了 Agent 直连数据库带来的安全和审计风险。目前客服答疑等场景已跑通，Agent 接库周期从平均一两天降至几个小时。

3. 组织与技术双重收益

• 研发自主性提升：由于有 Agent 实时建议和兜底，研发人员对数据库的恐惧感降低，自主变更比例从极低水平提升至过半以上。
• 专家经验资产化：资深 DBA 的个人经验通过 Agent 的每一次处置回流至知识库，形成可复用的组织资产，避免人员流动带来的知识流失。
• 成本与性能优化：Agent 主动评估资源使用情况，指导降配、升配及冷数据归档，在降低单位数据库成本的同时，保障了容量和性能。
• DBA 角色转型：DBA 从 70% 的救火工作中解脱，转而投入架构优化、容量规划和引擎升级等高价值工作。

值得关注

• 落地方法论：古茗运维负责人刘星光强调，AI 不是万能药。成功的落地需要遵循**“先标准化，再自动化；先划好边界，再放开权限”**的顺序。初期应避免让 AI 解决最痛但不可控的场景，而是从有共性、有标准答案的可控场景切入，给予团队磨合期。
• 人机协作边界：当前阶段，人与 Agent 的权限划分需谨慎。过分信任 AI 可能导致风险，因此目前仍保留 DBA 二次确认环节。未来随着磨合深入，可逐步将自治权限提升至 80%–90%，但目前仍以辅助为主。