为什么需要 AgenticSnail
根因分析（RCA）通常要反复查日志、看指标、对链路，既依赖经验，又容易被「新系统、新故障」难住——没有现成工具或历史案例时，定位成本很高。AgenticSnail 帮助您用多智能体协同分析日志、指标、链路等多模态可观测数据，无需预建工具库或历史故障报告：系统会按需生成与数据交互的工具并不断精化，直接对您的可观测数据做协同推理，输出可解释的根因结论与修复建议，缩短 MTTR。
能力源自开源项目 CodeGenRCA（GitHub - IntelligentDDS/CodeGenRCA）：在三个真实系统、335 起故障的公开数据上达到当前最优的 RCA 表现（score 0.80），且不依赖预置工具或历史事故库。下面介绍您能获得的核心能力、演示视频，以及开源仓库链接。
您能获得的核心能力
| 能力 | 为您带来的价值 |
|---|---|
| 可泛化根因分析 | 不依赖预建工具或历史案例，新系统、新故障类型也能快速上手，降低对领域知识的依赖。 |
| 多智能体协同 | 多个智能体分工对日志、指标、链路进行假设生成、验证与归纳，输出一致、可解释的根因与建议。 |
| 两阶段工具生成与反馈精化 | 自动生成查询、聚合等与数据交互的工具，并根据反馈迭代优化，无需您事先配置工具库。 |
| 多模态可观测数据 | 直接支持日志、指标、链路等常见格式（如 OpenRCA 等数据集结构），与您现有可观测栈对接友好。 |
| 安全执行 | 生成的代码在 Docker 等隔离环境中执行，保障生产安全与结果可复现。 |
CodeGenRCA 在 Bank、Market、Telecom 等真实系统数据上验证，采用 LLM 多智能体系统（MAS）与两阶段工具生成及基于反馈的精化，详见 GitHub - IntelligentDDS/CodeGenRCA。
产品演示
智算集群运维（cluster-ops）
对 GPU/CPU 集群的资源观测、调度效率与训练任务稳定性进行监控，并与告警联动，便于发现与定位集群级问题。
多智能体根因定位（agent-rootcause）
基于 CodeGenRCA 的多智能体协同分析：对告警、日志与拓扑等可观测数据进行根因分析，并生成可解释的结论与修复建议。
Agentic SRE（agentic_sre）
多智能体与 SRE 场景结合：自动化运维、故障定位与修复编排演示。
了解更多：开源项目
- CodeGenRCA（GitHub）
https://github.com/IntelligentDDS/CodeGenRCA
可泛化根因分析方案：LLM 多智能体 + 两阶段工具生成与反馈精化，在 335 起真实故障上达到当前最优 RCA 表现（score 0.80）。
AgenticSnail 与 LogSnail、TraceSnail、MetricSnail 等模块配合，形成「可观测 → 智能根因分析 → 执行与沉淀」的闭环。如需试用、数据集或合作，欢迎通过首页联系邮箱与我们沟通。