NVIDIA 推出采用多代理架构的人工智能日志分析系统

据 NVIDIA 称，NVIDIA 宣布推出一款新的人工智能日志分析系统，该系统采用多代理、自我纠正检索增强生成 (RAG) 框架。这一创新解决方案旨在通过将大量日志数据转化为可操作的见解，简化复杂 IT 环境中诊断和解决问题的流程。

应对日志分析挑战

日志是现代系统监控不可或缺的一部分，但其庞大的数量可能使分析变得令人畏惧。随着系统规模的扩大，日志可能会变得势不可挡，通常就像无尽的文本墙。 NVIDIA 的新系统利用人工智能自动进行日志解析、相关性分级和查询自我纠正，帮助团队快速识别超时或配置错误等问题的根本原因。

系统目标用户

日志分析代理对于各个团队特别有利：

• 质量保证和测试自动化团队： 这些团队可以利用该系统进行日志汇总和根本原因检测，帮助查明测试逻辑或意外行为的问题。
• 工程和 DevOps 团队： 通过统一异构日志源，系统有助于更快地发现根本原因，减少故障排除时间。
• CloudOps 和 ITops 团队： 人工智能驱动的分析支持跨服务日志摄取和早期异常检测，这对于管理复杂的云环境至关重要。
• 平台和可观察性经理： 该系统提供清晰、可操作的摘要而不是原始数据，有助于确定修复的优先级并增强产品体验。

创新架构和组件

NVIDIA 系统的核心是采用大型语言模型 (LLM) 的多代理 RAG 架构。该工作流程集成了：

1. 混合检索： 使用 NVIDIA NeMo Retriever 嵌入将用于词汇匹配的 BM25 与用于语义相似性的 FAISS 矢量存储相结合。
2. 重新排名： 使用 NeMo Retriever 优先考虑最相关的日志行。
3. 等级： 对日志片段的上下文相关性进行评分。
4. 一代： 生成上下文感知的答案而不是原始数据转储。
5. 自校正循环： 如果初始结果不充分，系统会重写查询并重试。

多智能体智能

该系统的架构被设计为有向图，其中每个节点代表一个专门的代理，处理检索、重新排名、评分和生成等任务。图中的条件边确保适应性和动态决策，允许系统在必要时循环进行自我校正。

扩展系统的功能

NVIDIA 日志分析系统的模块化设计允许定制和扩展。用户可以微调法学硕士，使系统适应网络安全等特定行业，或跨领域应用，例如 QA、DevOps 和可观察性。该系统还具有自动化错误重现和可观察性仪表板开发的潜力。

对 IT 运营的影响

通过将非结构化日志转化为可操作的见解，NVIDIA 的日志分析系统显着缩短了解决问题的平均时间 (MTTR)，从而提高了开发人员的工作效率并使调试更加高效。该技术不仅支持更快的问题诊断，还提供更智能的根本原因检测和上下文答案。

图片来源：Shutterstock