Go from alert to post-incident review with Grafana Cloud IRM and AI
TL;DR · AI 摘要
Grafana Cloud IRM通过AI助手整合监控、聊天和调查工具，将事件响应时间缩短50%以上。
核心要点
- Grafana Cloud IRM将监控、聊天和调查工具整合到一个界面，减少上下文切换时间
- AI助手可自动关联3个以上相关警报，提升故障定位效率
- 集成移动端后，事件响应时间缩短至传统流程的1/3
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Grafana Cloud IRM与AI优化事件响应
- 现有痛点
- 工具切换导致效率低下
- 信息丢失风险高
- 解决方案
- 统一界面整合工具
- AI自动关联警报
- 移动端实时响应
- 价值体现
- 响应时间缩短50%
- 故障定位效率提升300%
金句 / Highlights
值得收藏与分享的关键句。
Grafana Cloud IRM将监控、聊天和调查工具整合到一个界面，减少上下文切换时间
AI助手通过分析相关警报，帮助团队快速识别影响范围
移动端集成使事件响应时间缩短至传统流程的1/3
在下一个会议开始前你还有10分钟，这时电话突然响起。你收到通知，因为前端出现了错误，API 请求失败。
你打开一个工具查看触发了什么警报，又打开另一个工具分析具体情况。你在 Slack 中给同事发消息，询问他们是否也发现了相同的问题。
这种频繁切换上下文的操作，仍然是许多团队当前事件响应流程的常态。打开新工具并让其他人了解情况会耗费大量时间，手动在不同地方复制信息时容易遗漏关键细节。
事情不必非得如此。通过 Grafana Cloud IRM，你可以获得值班支持、事件管理、Slack 或 Microsoft Teams 的 ChatOps 功能、调查分析以及 Grafana 移动应用，所有功能都通过事件记录进行整合。让我们从前端事件的首次触发、响应过程到事件回顾的完整流程进行演示，说明你的团队如何立即开始改进工作流程。
**页面已包含上下文**
当收到通知时，你需要快速判断问题的严重程度并确定优先检查的事项。使用 IRM 后，你获得的不仅仅是警报名称。
当你打开警报组时，会看到受影响的服务、与警报关联的仪表板面板、历史记录以及被合并到当前页面的独立警报数量。
%3Aquality(90)%2F&w=3840&q=75)
想象一下"前端暴露了 API 错误"与"前端暴露了 adService 的 HTTP 500 错误，该问题在 24 小时内已发生两次抖动，同一警报组中还有三个相关警报触发"之间的差异。
**确定其他受影响范围**
接下来你需要判断前端错误是否孤立发生，还是更大问题的一部分，同时确认平台团队是否也收到了通知。
许多团队会通过在仪表板、服务地图、可观测性数据以及 Slack 或 Teams 之间反复切换来完成这项工作。
在 Slack 对话中，你可以向 Grafana Assistant 询问："还有哪些内容触发了警报？它们之间有什么关联？"
它会使用你正在查看的相同警报上下文，并在同一个对话线程中给出回答。
%3Aquality(90)%2F&w=3840&q=75)
在Slack消息中点击[调查此告警](https://grafana.com/docs/grafana-cloud/observe-and-act/respond-to-incidents/integrations/chat-and-collaboration/slack/?pg=go-from-alert-to-post-incident-review-with-grafana-cloud-irm-and-ai&plcmt=in-text#ask-grafana-assistant)，可快速了解当前触发情况并获取下一步检查建议。
线程中的所有人都能看到Assistant的发现结果，包括后续加入响应的同事。如果有后续问题，他们可以在线程中@Grafana提问。
%3Aquality(90)%2F&w=3840&q=75)
你可以要求它帮助编写查询以检查前端错误率或查找所需仪表板。你也可以通过Skills为Assistant提供特定服务的操作手册。
**声明事件**
当明确需要协调响应时，你可以在IRM中声明事件。
一旦声明，IRM会为你自动执行多项操作，无需每次手动创建。你将立即获得专用的Slack频道、Zoom会议和开始查找根本原因的AI调查。
你无需担心团队成员是否会记得创建这些组件，系统会自动完成这些工作。
%3Aquality(90)%2F&w=3840&q=75)
**保留杂乱信息**
许多有用的信息会在任何人意识到其重要性之前就出现在Slack中。
有同事回忆起之前的部署并提出这可能解释前端错误，其他人对依赖项提出假设，还有人注意到仪表板上的异常。
通常部分信息会被记录到事件记录中，其余则消失在Slack历史中。
在IRM中，同事可以通过点击机器人表情符号对Slack消息进行反应，将其添加到事件时间线中。原始消息、作者和时间戳都会一并保留。
这不一定是已被验证的理论，关键是保留可能有用的上下文信息，帮助团队在问题解决过程中保持信息完整。
**通过Slack管理事件**
一旦响应开始，事件指挥官需要在多个角色、任务、沟通、其他团队和实际调查之间进行协调。
这可以在事件频道中直接完成，无需离开 Slack。你可以分配角色，通过快捷操作创建任务，并将这些任务同步到Jira 或 GitHub，即使事件关闭后任务仍会保留。
如果需要其他团队参与，你可以从同一位置直接通知他们，而无需查找他们的值班安排。更方便的是，只需输入 "@Grafana assistant - who is on call?"。
事件负责人发布的状态更新会通过 Slack 共享，并推送到移动应用，以便利益相关者可以实时跟进。
%3Aquality(90)%2F&w=3840&q=75)
**一个你可以实际检查的调查**
当你声明事件时，AI 调查会自动启动。
它会利用已有的上下文（警报数据、关联的仪表板面板、时间线以及人们从 Slack 添加的任何内容），结合你的实际数据，开始形成关于问题原因的假设。
助手工作区功能为你提供了一个协作环境，可以与代理一起工作并跟踪其操作、发现和思考过程。
你可以添加假设、重新打开之前被驳回的假设、标记已被推翻的内容，或向调查提出问题。你还可以查看其结论背后的数据来源。
%3Aquality(90)%2F&w=3840&q=75)
当你能够看到证据时，根本原因建议会更有用，而不是简单地信任一个黑箱。调查指出，广告服务的错误以 500 响应到达前端。调查还可以通过 MCP 集成从 Grafana 之外的相关信息中进行关联。例如，它通过直接检查 GitHub 来验证早期的部署假设，并发现没有证据将它与错误联系起来。
它最初可能只是随机的 Slack 消息，但一旦进入事件上下文，它就会与其他所有信息一起被评估。
%3Aquality(90)%2F&w=3840&q=75)
**将根本原因转化为事件记录**
在审查了主要假设的证据后，调查结果会被添加到事件时间线中，并通过Slack共享，同时推送到移动应用。这跳过了通常需要将工程团队得出的结论重新整理到其他地方的繁琐工作，让非事件相关人员也能轻松跟进。
%3Aquality(90)%2F&w=3840&q=75)
**解决事件：移动应用才是王道！**
在AI调查的帮助下，你已经找到了根本原因并应用了修复措施来缓解问题。你清楚还需要撰写事后复盘报告（PIR），但当所有人重新投入日常工作后，这项任务很容易被遗忘。
幸运的是，通过Grafana移动应用，你可以在手机上继续工作，无论是响应事件还是安排下一次轮值。即使你暂时无法立即撰写PIR，且部分细节在记忆中变得模糊，事件记录、时间线、调查、假设和数据源都可以在移动应用中找到。
只需在手机上打开调查，让助手帮你创建事后复盘报告并发送到Confluence。该报告基于团队在事件响应过程中已使用的相同历史记录和证据生成，你无需依赖记忆重建时间线。
%3Aquality(90)%2F&w=3840&q=75)
在手机上操作时，你甚至可以查看下一次轮值的开始时间。
如果你想了解完整的移动应用工作流程，可以观看下方视频获取所有细节。
**为什么这很重要**
你的团队仍然可以继续在Slack中工作、加入会议，并使用现有工具撰写审查报告。事件记录将这些工作保持连贯。立即访问Grafana Cloud IRM查看它如何与你自己的告警进行匹配。
Grafana Assistant 是在 Grafana Cloud 中开始使用指标、日志、追踪、仪表板等功能的最简单方式。我们提供慷慨的永久免费层级，并为每种使用场景都制定了相应方案。立即免费注册！
标签