为什么AWR智能分析列出了一堆问题，不能直接把答案告诉我

白鳝的洞穴 2025-12-08

139

前两天和一个数据库厂商交流AWR报告与故障智能诊断，有个朋友提问说为什么AWR智能分析工具列出了一堆问题，而不能直接把最终的答案告诉我呢？

BIC-QA的AWR报告智能分析功能是将一份AWR报告上传到云服务上，由后端的诊断智能体进行分析，并将分析报告发送回客户邮箱。在分析报告时，智能体要面对上万个数据项进行分析，把系统中的所有问题都找出来，并且将其中对系统影响较大的几个问题进行总结，形成问题发现。而一个数据库系统在某一时刻一般都是处于亚健康状态，不会只存在一种问题，多种问题交织在一起的时候，AI大模型是无法获知分析者到底想发现什么问题的，因此智能将所有的疑点都找出来，形成分析报告。

相当于找了一个拥有一定专家经验的助手帮你去做了仔细的阅读和分析，这个助手记忆力惊人，并且知识丰富、不知疲倦。它可以帮你找到所有的疑点，并且利用它的知识库进行推理分析和总结，列出关键的问题摘要，并对摘要中的要点列出了推理分析。但是这个助手依然缺乏人类专家的深邃的洞察力和临机应变能力，所以它只能先把发现按照严重程度排序罗列出来。

如果阅读者知道自己想找的问题是什么，那么就可以快速地从报告中找到自己想要找的答案，这个答案有可能并不是对当前系统影响最大的问题，而是针对你需要分析的问题的答案。

如果你需要有针对性地分析问题，那么在上传AWR报告的时候，需要对你的问题做比较准确的描述。目前工具中有描述问题的对话框，要注意的是，你对问题的描述必须十分准确，如果不准确，会出现严重的幻觉，因为大模型会认为你的描述是绝对准确的，不能偏离的，它可能会围绕你的错误描述去做错误的推理，甚至生拉硬拽，找到一些似是而非的答案。如果你的描述是准确的，那么问题分析的针对性就会有很大的提高。

添加了准确的问题描述后，AI推理最终定位的重要疑点就是实际上的故障原因，因为密码错误，应用不断重连导致了故障。

从另外一个角度看，如果你想要更加准确地定位一个问题，而不牵涉同时存在的其他问题，把AWR报告交给AI去分析并不一定是最好的方法。想要更加准确和快速地定位问题，我们需要构建更加智能化的分析智能体。BIC-IA中的故障模型就是为了更加精准地定位单一问题而设计的。当某个故障模型被触发告警的时候，分析智能体会自动将与这个故障模型相关的数据整理出来，与大模型对话，这个时候，参与分析的数据数量远远小于AWR的数据集，不过针对性更强，排除了与该问题不相干的一些不正常的因素干扰，因此得出的结论更加聚焦。

AI大模型虽然有强大的计算和推理能力，这方面比人类专家还要强悍许多，但是AI大模型并不真正具有人类的智慧，因此它无法在推理链条中不断利用人存储在脑子里的知识以及对现象的感知进行不断地修正，最终直达答案。当然利用运维知识图谱，通过不断修正，我们可以模拟出类似的推理模式，不过成本太高，而且在多轮修正中加大了出错的概率，因为每次AI推理都会存在一定的错误概率，单次推理的概率是在可控范围的，我们可以通过知识工程去压制错误，但是如果对话轮次太多，那么这些错误经过多次乘积放大，在某个轮次就会放大到失控的程度。这也是我们和AI对话时会发现有时候几轮之后，AI就开始胡说八道的主要原因之一。

修正这种错误的方式就是在多轮推理中不断进行总结，不断形成下一步需要做的TODO LIST，然后继续工作。以目前的模型能力和算力需求来看，成本还是有点高。虽然每次推理消耗的能量的价值不值一提，不过要支撑如此大的算力后面的GPU资源是十分惊人的。未来AI能够真正走入我们生活的方方面面，充当我们人类的形形色色的助手，甚至让我们生活在AI环绕的环境中。不断降低AI推理的算力要求，加快推理速度，是其中的关键。

文章转载自白鳝的洞穴，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

为什么AWR智能分析列出了一堆问题，不能直接把答案告诉我

评论