日常运维工作中，故障响应始终是最考验经验、也最消耗人力的环节。错误率突增、响应变慢、服务不可用、应用崩溃、页面卡顿……面对这些问题，运维人员往往需要先查看日志、分析堆栈、比对指标、梳理调用链，才能从分散的信息中拼出一个站得住脚的结论。这一过程高度依赖个人经验，排查路径长，且结论难以复现与验证。

Bonree ONE·Sage AI 运维智能体工作台中的「故障诊断助手」，将这一排查过程自动化。它基于 Bonree ONE 采集的全栈可观测数据——指标、日志、堆栈、调用链、拓扑，对企业实际运行的业务系统、应用与服务进行故障诊断，支持多维度下钻分析与指标关联分析，并能解析图片或纯文本中的堆栈信息、自动分类归因，最终输出诊断结论与修复建议。以下是一次真实告警的完整诊断过程。

一句话诊断告警，自动定位根因

“服务请求错误率较高-langchain_router_api-mcp-http-请求错误率-告警”——帮我诊断这个告警。

将告警原文直接提交给故障诊断助手，诊断随即启动。故障诊断助手先加载 alert-diagnosis 技能，调用工具解析告警画像文件，再执行分析脚本，还原问题发生的完整时间线。

不是笼统结论，而是返回可核验证据链

区别于“大概率是某处问题”的模糊判断，故障诊断助手输出的是可以逐条核验的证据链：它定位到问题集中在服务的 /mcp 请求路径上，将两次关键错误精确追溯至具体报错堆栈与代码路径，并按可信度对多条证据链排序，明确标注“主因候选、可信度最高”的结论。同时，它梳理出此次告警波及的六个关联实体，逐一标注健康状态，影响范围一目了然。

不止找到原因，更给出下一步行动

诊断并未止步于根因定位。故障诊断助手同步给出改进策略：优先排查项、可执行的二次验证命令均直接列出；此外补充长期监控与应急预案建议，例如告警阈值如何调整、哪些指标应联动观察，帮助团队降低同类问题再次发生的概率。对话结束后，界面还提供多个可一键追问的方向，方便运维人员沿诊断结果继续深挖。

原本需要人工翻查日志、逐一比对指标才能拼出的结论，就此压缩进一次对话之中。告警解析、日志排查、堆栈分析、指标比对、证据链构建等重复性排查操作由智能体自动执行，故障定位耗时大幅缩短，运维人员得以将更多精力投入根因复核、方案决策与修复验证。

一键触发，缩短排查路径

告警信息可直接粘贴或转发，自动启动诊断，省去打开日志、翻查监控面板逐项核对的过程。

深入代码堆栈，而非停留在指标猜测

可解析图片或纯文本中的堆栈信息，精确定位报错发生的具体代码路径，而不是仅凭指标异常做模糊推断。

输出可验证证据链，而非单一结论

针对同一告警构建多条候选证据链并按可信度排序，明确标注主因候选，判断过程全程可追溯。

同步评估影响范围

自动梳理告警关联的服务、实例、容器、进程、主机等实体，标注各自健康状态，故障波及范围清晰可见。

诊断之外，兼顾复核与预案

在给出根因结论的同时，附上可执行验证命令与长期监控建议，让诊断结果真正能落地执行，而不止于一份报告。