关于公司内部 AI Agent 的应用情况

如题，各位大佬目前公司内部的 AI Agent 的应用情况咋样？目前看到比较多的好像是合并代码 code review 的时候用到的挺普遍的。然后目前我们团队内部的想法是基于 jira 工单的 bug 信息和对应的附件图片和日志，再基于阿里云的 sls 日志平台，来做一个内部的自动化问题排查分析的 agent ，各位看看可行性大么？这个需求应该挺普遍的吧，有大佬内部已经实现了么？目前我这边的情况是进行了第一步，利用 jira 的 mcp 服务获取了对应的工单信息，我觉得难点是告诉 AI 的提示词怎么写，让 AI 知道发生问题的上下游链路是什么，该去哪里进行下一步的查看分析，毕竟整个 k8s 里的微服务太多，链路太长了。

罪过，开发的 AI Agent 干掉了 30 个客服～

@liu731 大佬，不过 AI 客服这个方向出来很久了吧，不过以前没这么智能，有了大模型可以说是直接换了个脑子

@liu731 #1 不怪你 你不干掉其他人也会干掉

@yinft 不好细说，不是简单的对话式客服。

你可以先尝试，将你的这些 bug 信息、附件图片、日志等丢给 claude code 、codex 等。看能不能有预期的结果。有的话再尝试将手动流程自动化。 现阶段 AI 能做到的大概是： 初/中级工程师在没有太多业务背景的情况下，能够独立完成的事情。 不过我觉得你说的这个已经超出了现有 AI 的能力边界，特别是有一长串微服务调用。

@weixind 我的想法是先把用到的微服务模块和调用链路写个详细的提示词告诉 AI 先

罪过，我开发的 AI 中控估计干了不少场控😀

可以说一个大概的方向： 1. 首先你让把 Agent 当成一个人，建设 Agent 的过程就是培养一个 Debug 助手的过程，可以先定义一些系统上下文，告知它要做什么，有哪些原则等（一开始可以简单点少一点，后面再慢慢调整） 2. 一开始要从上下文着手，假设你是这个助手，你要找这些问题，需要哪些上下文 3. 基于 2 去构建 tools / skills / mcp ，给你的助手装上各种「工具臂」 4. 123 做完了，你这个助手就基本成型了，后面就是慢慢的根据它的“表现”优化（上下文、工具之类的），但是一定要注意，不要过早优化，一开始给到 LLM 的上下文越 raw 越好，不要做太多的上下文调整，也不需要给太多的提示、规则，现在的 LLM 已经有足够的常识去应对这些问题，你重点是把你特有的上下文提供给它。

你需要告诉它你的场景，让他自己基于具体情况（限定范围内）自行分析派活给 subagent 最后汇总报告。我有过一个类似场景一个综合分析 skill （协调器）派活给每个子 skill （ subagent ）最后汇总