快手柯南AI覆盖稳定性排障，根因分析采纳率约50%

AI Coding显著提高了代码产出速度，但告警处理、根因定位、止损修复和经验沉淀并未同步提速。缺少全局上下文的模型还可能只消除表面现象，留下跨工程、跨系统隐患。快手主站技术稳定性专家王泽锋在AICon全球人工智能开发与应用大会上海站分享了柯南AI实践，提出将确定性流程交给代码、概率性推理交给模型，并用Skill沉淀专家经验、以Bad Case推动系统迭代。

在内部大前端研发中，柯南AI的用户渗透率已接近60%，根因分析结果完整采纳率稳定在50%左右。一次只有系统堆栈的鸿蒙C++ Crash案例中，它综合寄存器、业务日志和源码，在约10分钟内构建证据链，定位到内部基础组件触发的Use-After-Free问题，并找到止损开关。

稳定性风险难以通过前置测试全部消除。快手曾发现某内部SDK通过AI生成的ProGuard配置包含-dontoptimize，并写入consumerProguardFiles，最终随AAR传入主工程，关闭R8全局优化，使APK体积增加6 MB。Android线上还面临100多种OEM ROM、1000多个机型，以及每天超过1万次由实验、灰度和运营活动带来的变更，真实线上现场因此仍是核心战场。

柯南AI主要覆盖报警处置、根因分析、修复建议和治理初检，产品形态包括IM机器人、监控平台侧边栏和CLI，分别嵌入协作、崩溃分析及本地设备排查流程。其整体采用五层架构：应用层、Agent编排层、Agent Harness层、数据服务层和端侧基建层，并由可观测与反馈机制贯穿。

编排层遵循“确定性的归代码，概率性的归模型”。既有SOP由Workflow复刻，简单任务采用单次LLM请求，复杂的跨数据源推理才使用Agent。快速分析先由代码汇总数据，再让模型按模板输出，耗时可控制在1分钟内；根因分析则结合堆栈、源码、变更、聚合特征和历史案例，按需调用工具并加载Skill。

以iOS 27推送后的堆栈报警为例，系统快速分析确认问题100%集中于新系统，并迅速收敛到内部工具兼容性问题。Agent Harness阶段，团队最终选用Claude Agent SDK，此前曾探索AutoGen及基于OpenAI Agent SDK的自研Workflow框架；该SDK提供上下文管理和工具调用能力，也支持通过兼容协议接入国内开源模型。针对稳定性分析场景，团队还对通用系统提示词进行了轻量化裁剪。

这一实践的重点不是让Agent完全替代专家，而是把专家从重复救火转向稳定性系统设计：让规则明确的步骤保持可控，让模型集中处理理解和推理，并持续利用真实Bad Case改进流程、工具和知识供给。