告警响应从20分钟压缩至5分钟：古茗如何用AI Agent重构万店运维，DDL审批效率提升40%
AI Agent在企业运维中真正跑通的前提不是技术先进性，而是先标准化、再自动化、先划边界、再放权的实施顺序——古茗用90天验证了这一路径。
⏱ 核心事件
从告警找人到Agent先接手
古茗科技集团与阿里云瑶池数据库团队合作，引入AI原生数据库服务（AIDBS），让Agent接管数据库运维中最耗时的告警处置和SQL答疑环节，实现从"人救火"到"Agent先接手、人做决策"的转变。
10~20 min
5 min
🔥 70% DBA时间消耗在重复流程
⚡ DBA转向架构优化
100+
数据库实例
覆盖RDS、Redis、MongoDB、PolarDB等
70%
DBA时间消耗
接警—登跳板机—看Process List—Kill慢SQL
20→5 min
告警处置时效
Agent介入后压缩至5分钟内
↓30-40%
DDL审批时间
低风险操作由Agent直接执行
🔁 痛点拆解
每天重复的三件事
古茗运维团队的核心痛点不是偶发故障，而是三件高频重复、有规则、有标准答案的事情——告警处置、元数据查询、变更审批——占据了DBA绝大部分精力。
告警短信
→
被叫醒
→
登跳板机
→
看列表
→
Kill SQL
→
判扩容
Agent 模式 · 六步闭环
自动检测
→
拉慢日志
→
对比基线
→
定位SQL
→
生成建议
→
推送决策
🧑💻 DBA 决策
Agent 执行 → 回到检测（闭环）
从"人找事"到"事找人"：传统模式全程依赖人工，Agent模式将六步压缩为闭环，DBA从70%时间救火中解放，转向架构优化、容量规划、引擎升级。
📈 落地路径
人做判断，Agent做执行
古茗的AI Agent落地遵循"三步走"策略：让数据资产活起来、让Agent成为永不下班的值班员、给AI划一道不可逾越的安全线。
01
🌱 让数据资产活起来
Meta Agent在IDE中自动识别表/字段/索引，研发写SQL时数据资产主动浮现，接库效率从1-2天降至数小时。
02
🔄 Agent成为永不下班的值班员
7×24小时自动检测、拉日志、对比基线、定位SQL、生成建议，DBA只需做最终决策。
03
⛔ 给AI划安全线
数据网关层实现SQL解析改写、越权字段脱敏、危险操作拦截，所有操作按Session可追溯。
🚧 安全边界 — 不可逾越的红线
"这些事情，有共性、有规则、有标准答案——能不能让Agent来做？"
—— 刘星光，古茗科技集团运维负责人
"它给出的建议，和资深DBA的判断基本没有区别。有些时候，甚至更客观。"
—— 刘星光，古茗科技集团运维负责人
🛡️ 安全边界
给AI划一条不可逾越的线
古茗在Agent和生产数据库之间设置数据网关层，通过SQL解析改写、越权字段脱敏、危险操作拦截实现安全管控，所有操作按Session可追溯。
🚪
入口 · 身份验证 → Agent请求进入
第一层
▲
📋
会话追踪 · Session A / Session B — 场景+工具独立追溯
第二层
▲
🔒
危险操作拦截 · SQL解析改写 · 越权字段脱敏
第三层
▲
🗄️
生产数据库 · 不可侵犯的数据资产
权限模式变革：从"大账号"到"场景+会话+工具"的细粒度管控，权限不再绑定"人"或"Agent"，而是绑定"这个场景中这个会话能碰哪些工具"。
"Agent不记日志的时候，出了事你连查都没法查。"
—— 刘星光，古茗科技集团运维负责人
🌟 组织影响
改变的不只是数据库
AI Agent带来的最深层次变化不在技术层，而在组织信任、知识沉淀和角色重构——研发开始信任数据库层，专家经验变成组织资产，DBA角色从救火队员转向架构师。
⚖️ 方法论
先标准化，再放权
古茗案例揭示的AI Agent落地方法论：从可控的、有共性的事情开始，给团队和产品磨合期；人和Agent的边界提前定好，逐步放权而非一步到位。
0%
完全人工
30%
低风险自治
60%
中风险建议
90%
未来目标
现在的位置
DBA二次确认
磨合几年后
"很多公司是'我不知道AI能干什么，但我一定要做'，这个出发点不太对。AI不是万能药。别一上来就让它解决你最痛的场景，先从可控的、有共性的事情开始。"
—— 刘星光，古茗科技集团运维负责人
"过分相信AI也会出问题。等磨合几年之后，可以逐步放权到80%-90%，但现在还不是时候。"
—— 刘星光，古茗科技集团运维负责人
Agent自治边界：低风险自治，高风险人工确认 — 哪些事情让Agent自治、哪些必须DBA二次确认，边界需要提前明确。
📝 编辑判断
古茗案例的核心价值在于提供了一个可复制的AI Agent企业落地范式：先标准化再自动化、先划边界再放权限。它没有追逐最前沿的AI技术，而是从运维场景中最具共性的告警处置和SQL答疑切入，用90天验证了"人做决策、Agent做执行"的分工模式。对于正在探索AI to B落地的企业而言，古茗的经验比单纯的技术方案更具参考意义——AI Agent真正跑通的前提是组织想清楚哪些事该交给机器、哪些事必须留给人。
结论：古茗与阿里云合作的AI Agent运维重构案例，展示了AI Agent在真实企业场景中从"救火工具"到"组织能力基座"的进化路径。关键数据（告警处置20分钟→5分钟、DDL审批效率提升30%-40%、研发自主变更比例过半）验证了实效；而更深层的价值在于组织层面——DBA从救火队员转型为架构师、专家经验沉淀为组织资产、研发对基础设施的信任建立。"先标准化、再自动化；先划边界、再放权限"的方法论，为同行业乃至跨行业的AI Agent落地提供了清晰的行动框架。