Palo Alto Networks上周推出了一種全新的AI驅動可觀測性
方法，標誌著行業正從儀錶盤與人工事件響應，轉向能夠自主調查問題並提出修復建議的AI智能體。
Cortex XCOR是一款AI驅動平台，旨在實現可觀測性領域的"終極目標"：自動定位問題根源並提出修複方案，而不僅僅是將技術人員引向各類儀錶盤。
該公司表示，雲原生架構在規模與成本方面的基礎性挑戰，此前一直阻礙著這一目標的實現，而在AI浪潮之前的自動化手段也顯得遲緩低效。Palo Alto Networks於今年1月收購了雲原生可觀測性平台與遙測數據管道公司Chronosphere，以此為基礎開發實時智能體修復能力。
Cortex XCOR由Chronosphere團隊在Palo Alto Networks內部打造，旨在將可觀測性從靜態儀錶盤與人工修復，轉變為以AI為核心的體驗，從而實現對常規問題及複雜問題調查的自動化處理。
Palo Alto Networks可觀測性業務高級副總裁兼總經理Martin Mao告訴The New Stack，當警報觸發時，Cortex XCOR會自動啟動一個專門的智能體，該智能體能夠自主推理潛在問題，並提出應對措施與緩解方案。
Mao表示："我們不希望再讓工程師在深夜被叫醒去看懂儀錶盤；說白了……我們根本不希望他們被叫醒。雖然XCOR默認採用人工介入模式，但工程負責人可以逐步擴大其自主權限，最終讓團隊獲得完整的睡眠時間。"
告別儀錶盤苦差事與排障煩惱
如果像XCOR這樣的技術得以蓬勃發展並廣泛普及，我們有理由預期站點可靠性工程師（SRE）的角色將超越儀錶盤式的日常苦差。隨著"AI SRE"這一新角色逐漸成形，自動化將聚焦於常規根因分析與故障排查。
Mao強調："目前我們正處於這樣一個階段：SRE的工作方式類似於飛行員——飛行平穩時可以依靠自動駕駛，但一旦出現問題，駕駛艙里仍需要經驗豐富的飛行員。通過自動化故障排查，工程師可以把更多時間投入到更具戰略意義的架構工作中，而不是整天忙於救火。"
BairesDev的Dev Barometer分析顯示，目前42%的開發者表示AI能夠編寫他們至少一半的代碼，相比去年的12%大幅提升。顯然，這種代碼生成速度的提升，需要配合以安全為核心的監管機制。
Mao補充說："SRE的工作方式會像飛行員一樣，平穩飛行時依靠自動駕駛，但出問題時仍需要經驗豐富的飛行員坐鎮駕駛艙。"
Palo Alto Networks最新推出的產品還包括XCOR Operator，這是一款AI助手，據稱能夠幫助"運維團隊跟上AI編碼的速度"，並提供上下文相關的支持。Mao及其團隊表示，XCOR Operator之所以強大，在於它"能夠理解用戶意圖"，並作為對話界面，調度幕後執行任務的各類專業智能體。
從預設規範到賦予推理模型訪問權限與能力
Mao回憶道："XCOR Operator解決複雜問題的能力遠超我最初的預期，這讓我感到十分驚訝。它不僅改變了我與平台及可觀測性工作流程的交互方式，還促使我從根本上重新思考我們的產品設計理念。我們正在從為功能和工作流程制定嚴格的預定義規範，轉向為推理模型提供恰當的訪問權限與能力，讓它們自行探索抵達答案的各種路徑。"
Mao表示，如今可觀測性平台的典型用戶需要根據整體部署環境扮演多重角色，他們要忙於調查事件、調整警報與儀錶盤、優化數據量等諸多工作。而藉助Cortex XCOR，每一類角色都對應有專門優化的AI智能體，能夠端到端地完成這些特定任務的工作流程。
根據Mao就此次更新撰寫的部落格文章，當警報觸發時，AI SRE智能體會自動啟動，自主推理潛在問題，並在平均不到三分鐘的時間內提出應對措施與緩解方案；在複雜生產環境中，其根因分析成功率達到75%，另有19%的事件分析結果被認為具有參考價值。
人工響應僅定位問題就需耗時20分鐘
相比之下，人工響應僅定位相關問題、收集初步背景資訊並找到合適的值班工程師，就需要耗時20分鐘。
Mao確認："我們對目前平均不到三分鐘的響應時間感到滿意，這是在客戶逐漸熟悉這種新體驗的前提下取得的。目前，當事件發生時，我們會先向工程師發出告警，而他們登錄平台通常需要幾分鐘時間。在這段時間裡，XCOR已經完成了調查工作，因此三分鐘已經能滿足我們當前的需求。"
隨著用戶對分析結果的信任不斷增強，並逐步實現修復自動化，Palo Alto Networks將把重點轉向縮短響應時間。Mao認為團隊"已經基本掌握"實現這一目標所需的條件，並指出"成本是一個重要因素"，同時Token價格也在持續下降。
Mao進一步解釋，若沒有端到端的完整可見性與上下文資訊，該平台的所有自動化推理都無法實現。Palo Alto Networks在今年7月宣布計劃收購高精度真實用戶監控公司Embrace，並計劃將其所稱的前端RUM（即XCOR RUM）與自家的XCOR Synthetics以及後端與基礎設施可觀測性整合，打造一個全棧平台。
一味救火，難以實現前瞻布局
如果軟體工程團隊錯失這一可觀測性優勢，情況會糟糕到什麼程度？Mao指出，最糟糕的情況是工程師把100%的時間都花在救火上，而無法投入創新或為業務創造價值。他認為，由於故障排查本就是工程師工作中壓力最大的部分，這種狀況可能導致"大規模職業倦怠"，而AI生成代碼的日益普及只會進一步加劇這一風險。
Mao說："不受控制的可觀測性就像一隻精力過剩的小狗——充滿潛力，但如果放任不管，就會把預算全部拖垮。隨著雲原生與AI工作負載的激增，遙測數據量正呈爆炸式增長，企業需要內置的管控機制。Chronosphere為這些成本套上了'韁繩'，確保團隊在獲得全面可見性的同時，不會面臨失控的賬單。這正是數據優化與成本效益始終是XCOR核心使命的原因所在。"
支撐這一全棧可見性工作的核心技術是XCOR Fabric，它為AI智能體提供實時的應用、基礎設施及機構背景資訊。
XCOR Fabric的核心數據來源包括：組織的知識圖譜（描述為融合基礎設施、應用與業務邏輯的實時模型）、運維記憶（從過往事件調查中獲取的歷史背景資訊）、用戶行為（此處指運行特定查詢並訪問特定儀錶盤的資深工程師），以及源自運維手冊、文檔與操作文件的人工知識積累。
Q&A
Q1：Cortex XCOR是什麼？它能做什麼？
A：Cortex XCOR是Palo Alto Networks推出的AI驅動可觀測性平台，核心能力是自動定位問題根源並提出修復建議，而不只是將技術人員引向儀錶盤。當警報觸發時，它會自動啟動專門智能體自主推理問題並給出應對方案。
Q2：Cortex XCOR的響應速度有多快？
A：Cortex XCOR平均能在不到三分鐘內完成調查並給出根因分析，複雜生產環境中成功率達75%，另有19%的分析被認為具有參考價值。相比之下，人工響應僅定位問題就需耗時約20分鐘。
Q3：Cortex XCOR會完全取代工程師的工作嗎？
A：目前不會。XCOR默認採用人工介入模式，工程師仍需在系統給出建議後進行確認或處理。公司表示工程負責人可以逐步擴大其自主權限，但不會立即實現完全無人干預。
