Grafana Labs

Reflections on AI Week, and the future of solving problems with observability and AI

8.5内容质量

TL;DR · AI 摘要

Grafana Labs在AI Week期间展示了AI与可观测性结合的实践，强调代理（agents）在提升软件开发效率中的作用。

核心要点

  • Claude在30分钟内完成95%的仪表板迁移工作，验证了AI代理的高效性
  • Grafana Labs从2024年开始重新评估LLM在可观测性领域的应用价值
  • 代理技术正在改变软件开发流程，工程师可同时处理多个项目

结构提纲

按章节快速跳转。

  1. §引言

    Grafana Labs分享AI Week期间的用户反馈与技术洞察。

  2. ·技术转变历程

    从2024年对LLM的怀疑到接受代理技术的转变过程。

  3. ›实际应用案例

    Claude在仪表板迁移中的30分钟完成95%工作的实证数据。

  4. ·未来方向

    探讨AI代理如何重构软件开发与管理行业的工作模式。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • AI与可观测性结合
    • 技术演进
      • LLM怀疑期（2024）
      • 代理技术崛起
    • 实践案例
      • Claude仪表板迁移（95%完成度）
    • 未来影响
      • 工程师多任务处理模式

金句 / Highlights

值得收藏与分享的关键句。

  • I had Claude migrate and update and validate dozens of hand-rolled dashboards… Worked astonishingly well… 95% done in 30m with the MCP and Claude.

    — 第 2 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • We realized things had changed when we started seeing LLMs running by themselves in loops; when agents were born.

    — 第 3 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • What do you do while your agents are thinking? Some engineers are working on multiple projects at the same time.

    — 第 4 段

    ⬇︎ 下载 PNG𝕏 分享到 X
#AI#可观测性#Grafana Labs#代理
打开原文

感谢您与我们共度AI周。我们对大家的反响感到非常兴奋，也享受回答大家问题的过程。感谢您的参与。

我特别喜欢的LinkedIn和Reddit上的部分评论包括：

_“Grafana的最新公告不仅仅是‘AI功能’。它们标志着可观测性平台正在发生的转变。”_

_“我让Claude迁移、更新和验证了数十个手动制作的仪表板……效果惊人……通过MCP和Claude，30分钟内完成了95%的工作。”_

**积极信号**

虽然AI周即将结束，但故事远未结束。就像您一样，我们正处在AI与可观测性协作快速解决问题的重大转型期。

没有您的参与我们无法做到这一点。因此请在您自己的团队中尝试我们的工具，并告诉我们我们做对了什么，以及还需要在哪些方面持续改进。我们知道很多人已经因变化速度而感到被落下，因此我们将致力于帮助您跟上进度，过滤掉所有噪音，为您带来最优质的智能体操作方案。

这就是为什么我希望利用本周最后一篇文章回顾我们是如何走到今天的，并展望未来——对于Grafana Labs的AI工具，对于软件开发和管理行业，最重要的是，对于您这样的用户。

**我们的历程**

在Grafana Labs，我们一直致力于在可观测性前沿进行创新，以解决来自内部和外部用户的真实问题。但在大语言模型（LLMs）方面，我们稍晚了一些。坦白说，我们最初持怀疑态度。从2024年开始，我们看到太多AI功能被强行添加到不合适的场景中。即使在使用场景合理的情况下，工具似乎也难以真正执行任务。

当我们开始看到大语言模型自行在循环中运行，当智能体诞生时，我们意识到情况发生了变化。

毫无疑问，智能体改变了我们构建软件的方式。您无需费力寻找例子，就能看到人们通过Claude、Codex或Copilot获得巨大提升，即使他们并未进行_极限循环_、_团队协作_或在_对抗性场景_中让智能体相互竞争。

得益于智能体，我们正在构建和交付更多内容。不仅如此，我们还在以全新的方式工作。当您的智能体在_思考_时，您会做什么？一些工程师同时在处理多个项目。我是认真的；当一个智能体在“做饭”时，他们正在向另一个智能体发出指令。

变化的速度急剧加快，众所周知，变化正是问题的起点。如今，每位工程师产生的运维需求都比以往任何时候都要多，而且这种趋势显然没有放缓的迹象。自然地，在Grafana Labs，我们深感有责任帮助你和你的团队适应并在这个新世界中茁壮成长。

在过去一年中，Grafana Labs的AI团队显著壮大，但我们依然致力于推动那些已经在帮助数千用户的技术实验与创新。我们将继续坚持最高标准：我们绝不会推出低质量的AI工具，也不会为了AI而做AI。要真正做好这件事，我们需要你的帮助。无论是正面还是负面的反馈，都能帮助我们确保解决真实的问题，并持续验证我们的假设。

[AI周回顾](https://grafana.com/blog/ai-week-recap/#a-recap-of-ai-week)

以下是对这一周的简要回顾。

现已正式发布：

  • [工作区](https://grafana.com/docs/grafana-cloud/platform/grafana-assistant/platform/workspace/?pg=ai-week-recap&plcmt=in-text)

： 专为助手设计的全屏主页，是你的代理原生工作空间

  • [代理可观测性](https://grafana.com/docs/grafana-cloud/observe-and-act/agent-observability/?pg=ai-week-recap&plcmt=in-text)

： 不再有黑盒代理。可以观察代理的行为、评估其输出，并提前发现潜在问题

  • [AI SDK](https://github.com/grafana/ai-sdk)

(开源)： 在Grafana之上构建你自己的AI代理和应用

预览版功能现已开放体验：

除了这些重大发布，团队还撰写了背后的思考过程。包括如何从一开始就构建可观测性，以及如何通过让编码代理访问遥测数据来增强对所发布内容的信心。还有如何自动化运维工作，以及如何建立对代理的信任，这些内容源于扩展Grafana Assistant本身的挑战。你可以在Grafana博客上找到所有相关内容。

我们还揭示了这些功能是如何实际构建的。有关gcx（我们的面向人类和代理的命令行工具）和助手搜索的幕后故事，以及对Grafana Labs的构建方式的探讨。这些内容都可以在我们的工程博客Unprompted上找到。

这就是我们首次AI周的全部内容。请告诉我们你对本次活动的看法，你希望看到更多什么内容，以及如果我们再次举办此类活动，可以在哪些方面进行改进。

个人而言，我希望你能感受到团队在新工具开发中倾注的专注精神与创造力。在这个充满机遇的领域中，我们正享受着产品构建的乐趣，也非常期待在你完成实际试用后听到你的反馈。

**接下来的规划**

那么，我们接下来该往何处去？外部环境正以令人兴奋又充满挑战的速度持续演变。我们开始在更具意义的任务中信任AI，并发现其可以作为工作流程中可靠组成部分的应用场景。我们已经对人们为Assistant和Assistant Investigations配置的技能组合和MCP方案感到印象深刻，这些方案正在被更深入地整合到他们的系统和团队中。

在Grafana Labs，我们正在塑造一个AI消除日常操作负担的未来，让工程师能够专注于未来的发展。随着遥测洞察在整个组织中变得普遍可访问，我们预计请求将向更数据驱动的方向转变，讨论也将更加深入且富有洞见，最终帮助我们做出更优决策。

自动优化循环可以根据你的遥测数据（可以是基础设施指标到业务数据的任何内容）优化代码，执行A/B测试并推出最佳方案组合。用户提交的错误报告可以在人类看到之前就进行预调查，从而提升支持体验并加快问题解决速度。自动化代理可以执行运维工作，并在合适的时间将智能报告发送到合适的地点。

这需要很大的适应过程，但我们将始终与你同行。再次感谢你在AI周与我们共度时光，请于今年十月在旧金山参加ObservabilityCON 2026，了解Grafana Labs在AI领域的最新进展。