课程简介

在现代企业系统中，随着分布式架构的普及和多样化应用服务的部署，系统生成的数据类型愈发复杂且分散，涉及多种数据格式和采集方式。同时，系统环境的动态变化以及日益严格的安全合规要求，也进一步加大了可观测性建设的难度。因此，企业需构建具备强大数据采集与分析能力、灵活数据关联与智能告警机制的高效可观测系统，以应对IT系统日益增长的复杂性和演化速度。

当前，业界面临的主要难题是实现对各种业务需求的精准拆解、生成高质量可执行的Plan，以及尽可能找到统一的规划范式，进而让Agent在面对不同场景和需求时具备更强的适应性和稳健性。为了解决这些挑战，越来越多的企业开始引入基于LLM（大语言模型）的智能Agent。智能Agent具备强大的泛化能力，可以自动适应多变的业务环境和复杂任务。而其中，任务规划（Plan）环节是实现智能Agent价值的关键。高质量的任务规划不仅关系到复杂任务的有效分解，还直接影响整个Agent系统的可扩展性和泛化能力。

本次分享将围绕“可观测的智能化：任务规划在Agent落地中的挑战与应对”主题，重点探讨Plan在智能Agent落地过程中的拆解方法、高质量Plan生成机制，以及统一任务规划范式的构建路径，助力企业在复杂多变的环境下，实现智能化转型与业务价值提升。

课程收益

1、帮助学员掌握智能Agent任务规划核心方法，提升落地效率与可靠性；

2、帮助学员构建具备灵活数据关联与智能告警机制的可观测系统，实现对企业IT系统全生命周期的透明化管理，大幅降低AI黑盒风险，提高系统可控性；

3、帮助学员掌握灵活优化智能Agent运维实践，推动业务价值提升

受众人群

算法工程师、运维专家、系统架构师及技术管理者等从事大模型训练、运维管理的技术人员，以及其他对智能运维感兴趣的人员

课程周期

 0.5天（3H）

课程大纲

1、分享统一的数据互联互通，可观测平台基建能力

2、基于统一的可观测平台，打造实现智能化的可观测运维实践

3、Plan Agent 执行的方法方案

4、QA