亚马逊AWS官方博客
·
Amazon Q Developer CLI + 飞书——打造对话式的 AI Agent 智能运维平台
💡
原文中文，约11900字，阅读约需29分钟。
📝
内容提要
在云原生架构中，组织采用微服务模式并管理多个AWS账号，传统运维效率低下。AWS通过生成式AI解决方案（如Amazon Bedrock、Q Developer）提升运维效率。本文探讨如何结合这些工具与IM平台（如飞书）构建智能运维平台，实现自动化任务处理，提升响应速度和协作效率。
🎯
关键要点
- 在云原生架构中，组织采用微服务模式并管理多个AWS账号，传统运维效率低下。
- AWS通过生成式AI解决方案（如Amazon Bedrock、Q Developer）提升运维效率。
- 结合Amazon Q Developer CLI和IM平台（如飞书）构建智能运维平台，实现自动化任务处理。
- 通过飞书或Slack开放平台创建Bot应用，用户可通过@机器人发起会话。
- Lambda函数作为协调器，通过Bedrock识别用户意图并过滤无效请求。
- Amazon Bedrock提供市面上一流的大语言模型，用于意图识别和知识库查询。
- EC2实例中运行Q CLI代理服务，用于数据采集和分析。
- 配置多账号的AWS CLI Profile以管理不同AWS账号。
- Amazon Bedrock Knowledge Bases Retrieval MCP Server用于判断服务状态并自动化修复问题。
- AWS Support MCP Server根据工单模板自动填充信息并提交工单，提升效率。
- 创建Lambda用于集成飞书聊天机器人，实现与用户的对话功能。
- 配置飞书开放平台与AWS API Gateway的集成，设置权限和事件回调。
- 订阅Q Developer Pro并安装Q CLI以支持多用户共用平台。
- Q CLI代理服务器用于接收用户问题并查询AWS服务状态。
- Q CLI与MCP Server集成实现扩展能力，自动提交Support工单和分析服务状态。
- 通过AT机器人发起会话，提升用户体验并避免群内干扰。
- 本文展示了如何构建对话式AI Agent运维平台，实现传统运维流程的智能化升级。
❓
延伸问答
如何利用Amazon Q Developer CLI和飞书构建智能运维平台？
通过在飞书或Slack上创建Bot应用，结合Amazon Q Developer CLI和Lambda函数，用户可以通过@机器人发起会话，实现自动化任务处理和运维管理。
Amazon Bedrock在运维中有什么作用？
Amazon Bedrock提供大语言模型，帮助识别用户意图、查询知识库，并支持自动化任务处理，提升运维效率。
如何通过Q CLI实现多AWS账号的管理？
可以配置多账号的AWS CLI Profile，以便在Q CLI中管理不同的AWS账号，执行相应的命令。
Lambda函数在智能运维平台中扮演什么角色？
Lambda函数作为协调器，负责接收用户请求，调用Bedrock进行意图识别，并根据需要启动Q CLI进行数据处理。
如何自动提交AWS Support工单？
通过Q CLI获取服务状态后，若发现异常，可以调用AWS Support MCP Server自动填充工单信息并提交，提升效率。
使用飞书Bot与用户对话的实现步骤是什么？
创建Lambda函数集成飞书聊天机器人，配置API Gateway，并设置环境变量，以实现用户与Bot的对话功能。
➡️
