一个入口，多专家怎么协同？

凌晨两点，告警群又炸了。

有人要查错误率，有人要拉 Trace，还有人怀疑容器磁盘满了。你开一个 AI 窗口，它要么泛泛而谈，要么把指标、日志、SSH 搅在一起——越问越乱。

多开几个窗口更糟：各说各话，最后没有一份能直接转故障群的结论。

很多人第一反应是：一个更强的模型、一个更长的 Prompt，不就够了吗？值班里真碰到复杂故障，往往不够——原因和医院一样：不是医生不够聪明，而是专科、设备、流程本来就该分开。

想象急诊来了一个病人，主诉胸痛。你不会指望一个全科医生同时去做心电图、抽血化验、拍 CT、上台手术、还要翻用药手册——他就算再厉害，也没有心内科的监护仪、影像科的 CT 机、手术室的权限。硬一个人包打天下，结果是每项都浅尝辄止，还容易把化验单和手术方案搅在一起下错判断。

运维值班是一回事。你问「集群有没有异常」，背后可能同时涉及：

• 问数——去 Doris 查延迟、错误率，沿 Trace 追慢请求（像化验科看指标）
• 巡检——扫 30 多个服务的 JVM、GC、下游依赖（像体检中心做分级筛查）
• 运维——SSH 上机看容器日志、磁盘、进程（像外科要上手术台）
• 答疑——翻产品文档，告诉你 OTel 端口、告警菜单在哪（像医务科解答流程）

四套工具不同、权限不同、回答规范也不同。塞进同一个 Agent 的 Prompt 里，上下文会迅速膨胀：指标口径和 Shell 命令混在一起，模型容易串味、越权、幻觉——就像让一个人同时记四本专科手册，还边记边给你下结论。

那多开几个聊天窗口呢？也不行。相当于病人家属自己跑科室：没有分诊台，不知道先挂哪科；各窗口互不知道对方查了什么，最后汇总还得靠你人肉拼——凌晨两点谁受得了。

把 DataBuff 的 AI 平台想成医院值班会诊——前面说了为什么要会诊，这里说会诊长什么样：

• 你只对一个分诊台（AI 大脑）说话
• 分诊台自己不做化验、不上手术台，只负责叫对口科室
• 问数、巡检、运维、产品答疑各查各的数据，交带证据的报告
• 分诊台合成一份你能直接处置的答复

图 1：你只对一个入口；复杂协作在后台完成

这和「侧边栏挂一个 ChatGPT」本质不同：后者常常读不到你环境里的真实指标和链路；DataBuff 从第一天按 AI 原生 APM 设计——AI 长在 OpenTelemetry 数据之上，专家必须调工具查数，不能靠猜。

图 2：观测数据 → 工具 → 专家 → 大脑 → 你

扩展一种新能力，不靠往一个巨大 Prompt 里堆说明，而是三层组合——仍然用医院来对照：

• 工具——化验仪、CT、手术器械：查服务列表、拉 Trace、跑巡检、受控执行命令
• 专家——专科医生：问数懂指标口径，巡检懂全集群扫描，运维能上机，答疑懂产品文档
• 规范——诊疗路径：每个科室怎么问诊、怎么开检查、报告怎么写；分诊台还有专门的路由规范

新开一个「科室」≈ 组合工具 + 写规范 + 注册专家，不必改建医院本身（观测链路不用动）。对患者——也就是你——始终只对一个分诊台说话。

这里没有一堆「if 告警 then 巡检」的规则表。大脑加载路由规范后，结合当前所有专家的职责描述，做语义匹配，再发出派活：指定哪位专家 + 一段任务说明。

两个关键约束，决定协同是否靠谱：

• 任务说明忠实原意——你只问「最近一小时服务列表」，大脑不会擅自加上错误率、拓扑等你没提的维度
• 大脑不越权——它不亲自查指标、不跑巡检、不敲 Shell；只做分诊和汇总，边界清晰

典型直觉：查指标/Trace → 问数或巡检；要健康报告 → 巡检；产品怎么用 → 答疑；容器/磁盘/进程 → 运维；业务异常又怀疑环境 → 可同时叫巡检 + 运维两个不同专家。

很多人一听「多专家」，脑子里是多个聊天窗口互 @。DataBuff 不是这套——派活是一条工单链路：

你可以把它理解成：大脑是分诊台，派活是开检查单，专家是各科室，交付物是化验报告——不是几个模型在群里聊天。

直觉上，同步最简单：派给问数专家，等它查完，再派巡检，再汇总——像函数调用一样 await 就行。为什么 DataBuff 不这么做？

• 专家任务太慢。一次巡检报告常常要几十秒甚至一分钟以上；问数要多次查指标、追 Trace；运维可能要 SSH 多步排查。同步等 = 你盯着空白聊天框干瞪眼。
• 长连接扛不住。对话走流式输出，如果大脑回合一直卡在「等专家」，HTTP/SSE 容易超时，前端体验是「卡死」或「断流」。
• 并行做不了。值班最值钱的是「问数追链路」和「巡检扫集群」同时跑。同步模型只能排队：先问数 40 秒，再巡检 80 秒，合计两分钟；异步可以压到「取最大值」。
• 专家自己会多轮调工具。一个专家内部就是小型 ReAct 循环（想一步、查一步、再想）。同步会把整段循环都绑死在大脑的一个回合里，上下文和错误恢复都更难做。

图 3：左同步串行会卡死等待；右异步先受理、专家并行、pending 归零后再汇总

异步最怕两件事：同一专家被塞两单活，以及大脑还没收齐报告就对外瞎总结。DataBuff 用四条硬规则兜住：

另外，并行时每个工单带独立工作上下文，避免两个专家的结果串味；同一专家若被串行派了多次，则共享该专家在会话里的记忆，方便追问补查。

共享的是会话历史、上传文件、生成的报告目录；APM 数据不会在路由前整包塞进上下文——各专家按需实时查，既省成本，也降低幻觉。

下面截图来自在线体验环境 demo.databuff.ai。浏览器打开后进入 AI 大脑，不手动选专家，只问一句：

接下来是传统 APM 做不到的——大脑并发派了两单：一边给智能问数，一边给智能巡检。思考区里能看到两次派活和各自执行轨迹：

图 4：AI 大脑 → 智能问数 + 智能巡检，并行开工

巡检带回 S/A/B 分级总览：34 个服务里多数落在 S/A 级，整体运行平稳；service-b 标 B 级需关注，InsufficientStockException 集中在库存 SKU DEMO-10001，伴随约百条 ERROR 日志。

大脑把两边证据合成一份可预览、可转发的 HTML 报告，附 P0/P1 建议行动项——可直接转故障群：

图 5：分级结论 + 证据链，可直接转故障群

市面上不少「多专家」产品，界面上确实摆着问数、巡检、运维、答疑四个入口——但你点进去之前，得自己猜该找谁。进去之后，这一整段对话也只属于那一个专家：换人要重新开窗口，前面的上下文带不过去；想一句里同时让问数查错误率、让巡检扫 JVM？做不到，得你自己当调度员，一个一个窗口试。

这就像病人到了医院门口，匾牌写着心内科、影像科、检验科——没有分诊台，只能靠症状自己挂号。挂错了白排队；挂对了也只能跟一个科室聊，化验单和 CT 报告最后还得家属自己去各窗口凑。

差别不在「界面上有没有四个头像」，而在谁来派活：是你手动选专家单聊，还是大脑接单后分派、并行、汇总。后者才对应值班里那四件事——一个入口、大脑派活、合法并行、证据链汇总。