Agent 与工作流01
AI Agent 上线后服务运行正常，但回答质量有没有变好？问题在于：训练模型的工程师知道什么叫“好答案”，运维团队只看服务是否在线，两边看不同的仪表盘，评估集慢慢过时也没人更新。CoreWeave 在 Fully Connected 2026 大会上发布 Forge，把运行、观察、整理数据、改进、评估五个环节放进同一个开发环境，用 CoreWeave Registry、Weights & Biases Models 等工具保留从模型版本到生产例子的完整记录，让团队能定位失败、选择改法，并在上线前证明新版本确实更好。目前 CoreWeave ARIA 和 CoreWeave Sandboxes 已正式可用，Agent Lens、Notebooks、Model Distillation 处于预览阶段；MasterClass 和 Canva 已开始使用 Forge。
文中可用工具
- CoreWeave Forge把运行、观察、整理数据、改进和评估五个环节集中到一个开发环境
- CoreWeave Registry管理模型、Agent 和数据集
- Weights & Biases Models追踪实验、超参数搜索、分析和自动化工作流
- CoreWeave Agent Lens追踪 Agent 的步骤、决策和工具调用，并监控线上流量
- CoreWeave Notebooks提供托管的 Python notebook，用于共享评估和自定义分析
- CoreWeave ARIA分析运行结果、提出实验建议、推荐代码改动
- CoreWeave Sandboxes为 Agent、工具调用、强化学习和评估提供隔离的 CPU 或 GPU 环境
- Serverless SFT无需训练集群即可用生产信号做有监督微调
- Serverless RL让团队用自己的训练配方做强化学习实验
- Model Distillation用大模型输出训练更小的开放权重模型，并与原模型对比打分
- Serverless Inference访问开放权重模型的推理服务，基础设施由 CoreWeave 管理
- Dedicated Inference在隔离基础设施上运行推理，团队控制模型权重、部署设置和 GPU 资源
工具与应用02
Cloudflare 把 Traces 功能开放公测，让原本只覆盖 Workers 的自动追踪扩展到安全规则、转换、缓存、路由和回源处理，全部生成标准 OpenTelemetry 追踪片段。它兼容 W3C traceparent 头，还能通过 Trace Rules 只对指定流量采样，减少无用数据。12 月 1 日起计费改为按写入量和保存时长收费。对用户来说，调试请求链路更完整，成本也按实际用量计算。
文中可用工具
- Cloudflare Traces在 Cloudflare 代理层自动生成 OpenTelemetry 追踪片段，帮助查看请求在各环节的走向
- WorkersCloudflare 的边缘计算服务，原本就能生成追踪，现在追踪范围从它扩展到更多环节
- W3C traceparent一种标准请求头，让不同系统之间能传递和衔接同一条追踪链路
- Trace Rules按规则只对部分流量采样追踪，避免全量采集带来的成本和噪音
- OpenTelemetry生成追踪数据的通用标准格式，方便接入各类可观测性工具
Agent 与工作流03
Netflix 的两位工程师 Prasanna Vijayanathan 和 Renzo Sanchez-Silva 分享了一个演讲，讲他们怎么处理每秒 3800 万条事件量级的监控难题。原来的做法是出问题才被动告警，现在他们改用一套由 AI 驱动的“运营本体”，配合 Claude 和图层数据库来做自动化处理。具体是把 MELT（指标、事件、日志、追踪）这四类监控数据统一成可以查询的知识图谱，让系统能自动分诊、找根因，甚至自己修复故障。对读者来说，这展示了一条用 AI 把海量监控数据变成自动化运维能力的大规模落地思路。
文中可用工具
- Claude用于构建智能体工作流，实现自动化运维处理
- graph databases存储统一后的监控数据，形成可查询的知识图谱，支持自动分诊与根因分析
工具与应用04
Datadog 推出了可观测性流水线中的 Exabeam 预配置包（Observability Pipelines Exabeam Packs），帮助企业在把安全日志送进 Exabeam 这个安全分析平台之前，先在自己的基础设施里过滤掉没用的噪音。以前的问题是：防火墙、终端和网络网关产生大量重复的日常日志，全部传进 Exabeam 会让存储和处理费用暴涨，还会把真正有价值的身份、访问和终端行为信号淹没。这些包针对不同来源预设了丢弃、去重和抽样规则，比如过滤 Cisco ASA、Fortinet FortiGate、Palo Alto、CrowdStrike、SentinelOne、Windows 和 Zscaler 的日志，同时保留检测所需的原始字段，Exabeam 的解析器不受影响。目前发布的包括七个来源专属包，以及 Active Directory、Okta、Microsoft 365、Abnormal.ai 等可搭配 Exabeam 目标的通用包，用户可在流水线中直接添加，并用实时抓取验证过滤效果。
文中可用工具
- Exabeam安全信息和事件管理平台，用于检测内部威胁等安全风险
- Datadog Observability Pipelines Packs预配置的日志过滤工具，在数据送入 Exabeam 前去除噪音
- Cisco ASA网络和 VPN 设备，其日志可通过 Pack 过滤
- Fortinet FortiGate网络和边界防火墙，其日志可通过 Pack 过滤
- Palo Alto网络和边界防火墙，其日志可通过 Pack 过滤
- CrowdStrike Falcon Data Replicator (FDR)终端安全数据源，其日志可通过 Pack 过滤
- SentinelOne Cloud Funnel终端检测与响应数据源，其日志可通过 Pack 抽样过滤
- Windows操作系统事件日志来源，可通过 Pack 过滤
- Zscalerweb 安全网关，其流量日志可通过 Pack 过滤和抽样
- Active Directory身份提供方，可通过通用 Pack 过滤日志
- Okta身份提供方，可通过通用 Pack 过滤日志
- Microsoft 365协作和邮件服务，可通过通用 Pack 过滤日志