北京
Grafana Labs 在 ObservabilityCON 2026 上一次性放出一批 Grafana Cloud 平台更新，核心是一组专门用来观察 AI 工作负载和自主代理的 AI 代理。这家以开源 Grafana 平台起家的公司，从年初开始把重心明显压向 AI 可观测性。
传统应用和生成式 AI 应用的运行方式差别太大，老一代可观测性工具很难看清模型和代理内部发生了什么，调试因此变得困难。Grafana 的做法是把代理会话和大语言模型对话当成标准遥测信号处理，和传统应用产生的日志、指标、链路追踪放在同一个体系里看。
这次发布里最受关注的是 Assistant Watchers。它是一组常驻代理，专门观察其他代理的遥测模式，学习什么是正常状态，在问题变大之前把行为异常标出来。与之配套的是进入预览阶段的 Grafana Cloud Agents，提供一个受控环境，让 AI 结合代码在生产环境中的实际表现做分析，并准备好修复方案，交由人工审核。
此外还有 Pages，让团队为 AI 工作负载搭建类似应用的定制化可视化视图，比标准仪表盘提供更深的洞察。Grafana 方面把这一整套方向称为“代理化运维”。
Grafana AI 高级总监 Mat Ryer 说，企业希望 AI 代理从人手里接过更多工作，但前提是每一步都要有证据、有控制。他的原话是：“Watchers 把浮现的问题暴露出来，调查帮助诊断它们，Cloud Agents 准备修复供人审核。三者合在一起让 Grafana Cloud 更自主，把检测、诊断和建议动作收进一个工作流，并且扎根于团队自己的遥测数据。”
可观测性要解决的也不只是 AI 工作负载的安全。云端跑 AI 的成本是另一个被点名的问题。Grafana Cloud Logs 引入了查询性能增强，技术来自近期对 Logline 的收购，可以在低频数据上做更快的全文搜索，比如按特定请求 ID 查找，且不额外收费。
Adaptive Telemetry Suite 里新增的 Adaptive Logs Archive，允许企业用户用开放数据格式把日志转存到自己的对象存储桶，以更低成本保留可观测性数据，供后续调查和合规检查使用。
面向 AI 与传统云工作负载的全栈可见性，Grafana 推出了 Knowledge Graph 和数字体验监控能力。Knowledge Graph 把基础设施、应用依赖和真实用户体验连起来，让 AI 代理和人类工程师在排查问题时看到同一份运行时上下文。这项能力由新的移动端可观测性和会话回放工具补足，团队可以从用户视角看问题。
产品总监 Richard Lam 对问题的判断很直接：“大多数团队没有监控问题。他们有技术债问题：每一层都有遥测数据，却没有办法把它连到受影响的客户身上。把知识图谱放进每个 Grafana Cloud 栈，并从基础设施延伸到用户，统一可观测性才会成为基础，而不是每个团队各自拼装的东西。”
这批更新指向一个正在成形的局面：AI 被用来做可观测性，而可观测性又成了 AI 的必需品。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
