Die meisten Untersuchungen stoppen bei der ersten plausiblen Erklärung
Root-Cause-Arbeit scheitert vorhersehbar. Jemand findet eine Erklärung, die passt, alle sind müde, und die Untersuchung endet. Diese Erklärung ist meist ein echter beitragender Faktor, aber nicht die ganze Geschichte, deshalb kehrt derselbe Incident drei Monate später in anderer Form wieder.
Eine echte Untersuchung fragt, was wahr sein müsste, damit die Erklärung vollständig ist, und prüft dann. Das ist eine Sequenz von Entscheidungen, wo als Nächstes zu suchen ist, jede abhängig davon, was die letzte zurückgegeben hat.
Die Arbeit ist außerdem begrenzt. Irgendwann existiert der nötige Beleg nicht mehr. Logs rotieren, oder eine Metrik wurde nie erfasst, und das zu sagen, ist ein legitimes Ergebnis.
Der Agent untersucht und schreibt, was er gefunden hat, was er ausgeschlossen hat und wo der Beleg endete. Er ändert nichts, und die Menschen, die dabei waren, prüfen die Schlussfolgerung.
So bauen Sie den Agent in Agent Studio auf
Der Untersuchungsumfang lebt in Prompt-Fähigkeiten: welche Datenquellen existieren, welche Aufbewahrung jede hat und welche Systeme der Agent überhaupt abfragen darf.
Ein zweiter Prompt-Skill hält Ihre Architektur als Abhängigkeiten, nicht als Diagramm, weil die Frage nach jedem Fund lautet: Was greift sonst noch darauf zu?
Der System-Prompt verlangt, dass jeder Schritt nennt, was er prüft und was jedes Ergebnis bedeutet, das hilft zu verhindern, dass eine Untersuchung zur Bestätigungssuche wird.
Er verlangt, dass beitragende Faktoren getrennt von der primären Kette gelistet werden. Der Agent muss sagen, wann der Beleg ausgegangen ist, statt über die Lücke hinweg zu argumentieren.
Ein Manual-Trigger startet die Untersuchung nach dem Schließen des Incidents, und ein HTTP Request-Knoten gibt dem Agent Chat-Knoten Abfragezugriff auf Logs, Metriken und Deployment-Historie innerhalb des erklärten Rahmens.
Die Session des Agenten ist dauerhaft, sodass eine lange Untersuchung ihre früheren Funde behält, statt von vorn zu beginnen.
Funde gehen als Review-Entwurf nach Google Docs. Notion legt sie gegen den Service ab. Ein Human in the Loop-Knoten hält die Incident-Leitung zwischen Entwurf und daraus folgenden Handlungen.
Woraus dieser Agent besteht
- Prompt-Fähigkeiten: verfügbare Datenquellen, ihre Aufbewahrung und was abgefragt werden darf.
- Prompt-Fähigkeiten: Ihre Architektur als Abhängigkeiten ausgedrückt.
- System-Prompt: jeder Schritt nennt, was er prüft und was jedes Ergebnis bedeuten würde.
- System-Prompt: beitragende Faktoren werden von der primären Kette getrennt. Ausgeschöpfter Beleg wird klar genannt.
- Manual (Triggers): läuft nach dem Schließen des Incidents, niemals währenddessen.
- Agent Chat (Util) with HTTP Request (Util): eine dauerhafte Session mit begrenztem Abfragezugriff.
- Wenn ein ActionFlow ausreicht: Wenn Sie Timeline und Wirkung aus Datensätzen zusammenstellen, bauen Sie den Workflow. Dort sollte eine Untersuchung beginnen.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.