案例名称

国元证券业务全链路观测与运维智能体实践

案例简介

证券业务线上化后，交易系统“不能停、不能改、不能等”，而复杂架构下故障定界依赖多团队逐段排查，耗时以小时计。

国元证券联合云杉网络于2026年3月投产“全链路观测＋双智能体”一体化智能运维平台：以eBPF零侵扰采集构建统一观测底座，不改代码、不重启应用即接入13个业务系统；以统一TraceID贯通前端用户监测与后端调用，从投资者一次点击追踪到数据库；以思维链状态机驱动诊断、巡检两大智能体，实现分钟级根因定位与7×24小时主动体检。

上线以来，故障平均定界时间由2~3小时缩短至5分钟以内，主动发现隐患60余处，系统可用率稳定在99.95%以上，推动运维范式由被动响应向主动预防、智能辅助决策跃迁。

图1 "全链路观测＋双智能体"一体化智能运维总体架构

创新技术/模式应用

证券核心交易系统"不能停、不能改、不能等"，新技术与AI能否安全可信地进入生产运维，是金融科技的核心命题。本项目在技术上守住"生产稳定、自主可控、AI可信可审计"三条底线，在模式上重塑运维方式。

（一）技术创新：守住三条底线

1. 生产稳定：eBPF零侵扰采集，补齐服务器视角

业务云化、信创化后，故障点下沉至服务器内部：交换机镜像看不到容器内流量，进程内应用性能监控（APM）受限于采样与语言，难以覆盖C/C++核心组件。平台在内核态采集网络、系统调用、文件、应用函数与加密通信五类同源数据，不改代码、不重启应用，全量采集、关键信息不漏看；探针与业务进程解耦并内置过载保护，CPU占用1%以内，较传统插桩式APM性能损耗降低90%以上，数据压缩比达1:10以上。

图2 eBPF内核态采集原理：在系统调用与网络路径上零侵扰获取全栈数据

2. 自主可控：信创全栈适配，数据与模型不出域

适配国产硬件、麒麟V10与达梦数据库，覆盖信创与原有双栈；探针、服务端与大模型均部署于国元证券内，数据本地留存。

3. AI可信：思维链状态机约束大模型幻觉

采用云杉网络自研思维链状态机，将诊断固定为七步流程：大模型仅负责意图理解、归纳与解释，数据采集、统计、下钻由平台工具经模型上下文协议（MCP）确定性执行；每步留证，证据不足即标示缺口，结论可解释、可追溯、可审计。

图3 思维链状态机“确定性骨架”：模型只做归纳解释，工具确定性执行，安全护栏全程在线

（二）模式创新：以智能体重塑科技运营

1. 理念之变：从事后排障到运行事实驱动

跨层数据按同一时间、身份、链路组织为可复核证据，海量异常直接收敛为一条SQL、一个进程等可行动根因。

2. 视角之变：以客户体验为观测起点

前端真实用户监测（RUM）与后端全链路追踪经统一TraceID打通，国元点金APP上的一次业务请求可关联至后台服务与数据库，投诉即成链路证据。

图4 投资者视角的端到端全链路追踪（前端RUM × 后端eBPF全栈贯通）

3. 协同之变：AI先诊，人工把关

诊断智能体告警即分析，输出根因与证据链；巡检智能体7×24小时巡检打分，并前移为投产前“上线体检”；自然语言问数，“小维”大屏支持对话交互。AI主动诊断，人工专注决策。

图5 两大AI智能体：触发—执行—产出—效果完整闭环

项目效果评估

（一）痛点破解：相较原分域监控体系的五项突破

1. 故障定界难：单笔请求横跨十余个微服务，分域监控数据割裂，需多团队逐段排查。平台以统一数据底座和调用拓扑实现单平台分钟级下钻。

2. 存量系统“不敢动”：平台零改造接入13个存量系统，全程无停机。

3. 偶发异常难捕捉：阈值告警只能发现持续性故障。调用日志逐条还原请求全生命周期，变“投诉驱动”为“数据驱动”。

4. 信创观测不足：观测覆盖信创与原有双栈。

5. 运维经验难复制：巡检由人工经验转为标准化、可追踪的智能流程，降低对个人经验的依赖。

由此满足了投资者“即点即办、瞬时响应”的体验需求、运维团队快速定界的效率需求，以及监管对业务连续性和故障处置时效的要求。

（二）量化成效一览

1. 效能提升：故障平均定界时间由2~3小时缩短至5分钟以内，运维效率提升约80%；单次疑难排查由3~5人天缩短至1人小时级；月均运维工单量下降约30%。

2. 稳定性：接入系统整体可用率稳定在99.95%以上，业务高峰零中断；主动发现隐患60余处，闭环处置率95%以上；累计5万余条异常在业务显性化前完成定界。

3. 应用规模：覆盖13个业务系统、600余个微服务接口，日均处理3亿余条应用请求、5000万余条网络流请求，报文识别率96%以上。

4. 经济效益：免除侵入式改造，节约约150人天，折合研发成本逾百万元；存储成本降低约60%。

图6 建设前后关键运维指标对比与上线以来核心成效

（三）典型实战：把海量异常收敛为一个根因

1. 云柜台上线体检：4万余次MySQL异常收敛至一张缺失表，约5分钟定位。

2. 业务办理系统：Redis日均异常调用4万余条，定位为哨兵配置残留，处置后异常全部消除。

3. 全景资产：分散在不同URL的107次503聚合为3类编码边界，为统一修复提供依据。

（四）合规与演进：数据不出域，能力可延展

数据本地留存、全程可审计，符合《证券基金经营机构信息技术管理办法》要求。下一步将补齐交易语义与业务影响口径，并探索智能体运行安全治理。方案无需业务改造、全面适配信创，为同业核心交易系统建设智能运维提供可复制路径。

责任编辑：佟桃梨