在IT運(yùn)維監(jiān)控領(lǐng)域，開(kāi)源工具曾被視為降本提效的最優(yōu)解，Prometheus、Zabbix 等憑借免費(fèi)、生態(tài)豐富的優(yōu)勢(shì)占據(jù)大量市場(chǎng)份額。然而，樂(lè)維卻選擇放棄成熟的開(kāi)源采集方案，歷經(jīng) 5 年迭代自研Perseus采集平臺(tái)。這一決策并非對(duì)開(kāi)源的否定，而是基于企業(yè)級(jí)運(yùn)維場(chǎng)景的技術(shù)痛點(diǎn)、業(yè)務(wù)需求與長(zhǎng)期戰(zhàn)略的深度權(quán)衡，核心在于為客戶(hù)提供更適配、更高效、更可控的采集底座。

一、開(kāi)源采集的 “隱性陷阱”：企業(yè)落地的核心痛點(diǎn)

樂(lè)維在服務(wù)14000 + 客戶(hù)的過(guò)程中發(fā)現(xiàn)，開(kāi)源采集看似 “免費(fèi)易用”，實(shí)則在企業(yè)級(jí)生產(chǎn)環(huán)境中存在難以規(guī)避的技術(shù)短板，這些短板往往成為制約運(yùn)維效率的核心瓶頸。

1.架構(gòu)與調(diào)優(yōu)的 “高成本壁壘”

開(kāi)源采集工具多為社區(qū)驅(qū)動(dòng)設(shè)計(jì)，架構(gòu)初衷適配中小規(guī)模場(chǎng)景，難以直接支撐企業(yè)級(jí)大規(guī)模部署。以 Prometheus 為例，其單機(jī)存儲(chǔ)與聯(lián)邦集群模式在處理百萬(wàn)級(jí)指標(biāo)時(shí)，需投入大量人力進(jìn)行存儲(chǔ)分片、遠(yuǎn)程讀寫(xiě)適配器配置，調(diào)優(yōu)成本極高。這種 “免費(fèi)工具 + 高額人力調(diào)優(yōu)” 的模式，本質(zhì)上是將隱性成本轉(zhuǎn)嫁給企業(yè)，尤其對(duì)技術(shù)資源有限的中小企業(yè)極不友好。

2.資產(chǎn)與 Agent 管理的 “人工依賴(lài)?yán)Ь场?/strong>

開(kāi)源采集工具的資產(chǎn)發(fā)現(xiàn)與 Agent 管理能力存在天然缺陷。Prometheus 依賴(lài)手動(dòng)配置文件或第三方插件實(shí)現(xiàn)資產(chǎn)納管，面對(duì)動(dòng)態(tài)擴(kuò)容的云環(huán)境、數(shù)千臺(tái)設(shè)備的傳統(tǒng)機(jī)房，手動(dòng)配置效率極低且易出錯(cuò)。這種 “人工主導(dǎo)” 的管理模式，與企業(yè)追求的自動(dòng)化、智能化運(yùn)維目標(biāo)背道而馳。

3.全技術(shù)棧兼容的 “生態(tài)割裂問(wèn)題”

隨著信創(chuàng)、云原生、物聯(lián)網(wǎng)技術(shù)的普及，企業(yè) IT 架構(gòu)呈現(xiàn) “傳統(tǒng) + 云 + 信創(chuàng)” 混合形態(tài)，而開(kāi)源采集工具難以實(shí)現(xiàn)全場(chǎng)景覆蓋。Prometheus 對(duì)信創(chuàng)環(huán)境的國(guó)產(chǎn) CPU、操作系統(tǒng)適配滯后，對(duì)小眾網(wǎng)絡(luò)設(shè)備、物聯(lián)網(wǎng)終端的采集支持不足；Zabbix 雖覆蓋范圍較廣，但對(duì)云原生容器、微服務(wù)的監(jiān)控需額外集成 Sidecar、APM 工具，形成多工具數(shù)據(jù)孤島。更關(guān)鍵的是，開(kāi)源工具的指標(biāo)體系缺乏統(tǒng)一標(biāo)準(zhǔn)，不同工具采集的數(shù)據(jù)在時(shí)間戳、指標(biāo)命名、顆粒度上存在差異，無(wú)法實(shí)現(xiàn)跨平臺(tái)關(guān)聯(lián)分析，阻礙了全棧運(yùn)維的落地。

4.告警與業(yè)務(wù)聯(lián)動(dòng)的 “能力短板”

告警收斂與業(yè)務(wù)拓?fù)渥詣?dòng)發(fā)現(xiàn)是企業(yè)運(yùn)維的核心需求，而開(kāi)源采集工具在此方面存在明顯不足。Prometheus、Zabbix 的告警規(guī)則僅支持單指標(biāo)閾值判斷，缺乏多指標(biāo)關(guān)聯(lián)、異常趨勢(shì)預(yù)測(cè)能力，易引發(fā)海量冗余告警，告警收斂率不足；同時(shí)，兩者均無(wú)法自動(dòng)生成業(yè)務(wù)拓?fù)?，難以實(shí)現(xiàn) “資源 - 應(yīng)用 - 業(yè)務(wù)” 的全鏈路關(guān)聯(lián)，導(dǎo)致故障發(fā)生時(shí)無(wú)法快速定位影響范圍，無(wú)法支撐業(yè)務(wù)連續(xù)性保障。

5.開(kāi)源環(huán)境變化的 “不可控風(fēng)險(xiǎn)”

開(kāi)源工具的核心優(yōu)勢(shì)依賴(lài)于社區(qū)維護(hù)與協(xié)議穩(wěn)定，但開(kāi)源環(huán)境的動(dòng)態(tài)變化往往帶來(lái)不可預(yù)判的風(fēng)險(xiǎn)。如開(kāi)源協(xié)議變更可能導(dǎo)致部分企業(yè)級(jí)功能被限制、商用授權(quán)成本增加，原本依賴(lài)其搭建的采集體系被迫面臨升級(jí)改造、協(xié)議適配等額外投入，不僅打亂了企業(yè)運(yùn)維規(guī)劃，還可能因協(xié)議兼容問(wèn)題出現(xiàn)采集中斷、數(shù)據(jù)丟失等風(fēng)險(xiǎn)。

二、Perseus 的技術(shù)破局：以自研重構(gòu)采集核心能力

Perseus 的核心邏輯，是針對(duì)開(kāi)源采集的四大痛點(diǎn)，構(gòu)建 “自主可控、全棧兼容、智能高效” 的采集底座，并非閉門(mén)造車(chē)，而是在吸收開(kāi)源生態(tài)優(yōu)勢(shì)的基礎(chǔ)上，實(shí)現(xiàn)技術(shù)能力的升級(jí)與重構(gòu)。

1.輕量化架構(gòu)：降低企業(yè)調(diào)優(yōu)成本

Perseus 支持多種分布式部署架構(gòu)，專(zhuān)注大規(guī)模性數(shù)據(jù)采集調(diào)優(yōu)，無(wú)需復(fù)雜配置即可支撐百萬(wàn)級(jí)指標(biāo)采集。針對(duì)存儲(chǔ)瓶頸，引入時(shí)序數(shù)據(jù)存儲(chǔ)引擎，支持?jǐn)?shù)據(jù)分級(jí)存儲(chǔ)、自動(dòng)壓縮；針對(duì)跨地域多數(shù)據(jù)中心，實(shí)現(xiàn)多節(jié)點(diǎn)自動(dòng)負(fù)載均衡、故障自動(dòng)轉(zhuǎn)移，企業(yè)無(wú)需專(zhuān)業(yè)團(tuán)隊(duì)即可完成架構(gòu)優(yōu)化，大幅降低調(diào)優(yōu)成本。

2.智能資產(chǎn)與 Agent 管理：實(shí)現(xiàn)自動(dòng)化運(yùn)維

Perseus 內(nèi)置 “資產(chǎn)智發(fā)現(xiàn)” 引擎，支持輸入 IP 網(wǎng)段及憑證即可一鍵發(fā)現(xiàn)資產(chǎn)，自動(dòng)識(shí)別設(shè)備型號(hào)、系統(tǒng)版本、硬件配置等基因信息，完成自動(dòng)納管；Agent 管理方面，實(shí)現(xiàn)批量安裝、卸載、升級(jí)的全自動(dòng)化，支持灰度升級(jí)與回滾機(jī)制，同時(shí)提供離線(xiàn)安裝包與 Proxy 代理方案，適配復(fù)雜網(wǎng)絡(luò)環(huán)境，徹底擺脫人工依賴(lài)。

3.全技術(shù)棧覆蓋：打破生態(tài)割裂

Perseus 構(gòu)建了 “全協(xié)議、全場(chǎng)景” 的采集能力，覆蓋 500 + 廠商、8000 + 設(shè)備型號(hào)，包括傳統(tǒng) IT 基礎(chǔ)設(shè)施、公有云、私有云、容器、物聯(lián)網(wǎng)及信創(chuàng)環(huán)境。針對(duì)信創(chuàng)場(chǎng)景，提前完成與國(guó)產(chǎn) CPU、操作系統(tǒng)、數(shù)據(jù)庫(kù)的適配測(cè)試；同時(shí)向下兼容 Prometheus、Zabbix等開(kāi)源數(shù)據(jù)源，實(shí)現(xiàn)存量監(jiān)控體系的平滑遷移，既解決生態(tài)兼容問(wèn)題，又保護(hù)企業(yè)現(xiàn)有投資。

4.全業(yè)務(wù)鏈消費(fèi)：消除數(shù)據(jù)孤島

Perseus采集平臺(tái)作為底層的數(shù)據(jù)采集管理中樞，其豐富的數(shù)據(jù)接口可供多種上層應(yīng)用調(diào)用數(shù)據(jù)并進(jìn)行向上消費(fèi)，包括監(jiān)控、網(wǎng)管、流量、CMDB、ITSM，甚至第三方的日志、APM、可觀測(cè)平臺(tái)、AiOps算法平臺(tái)等。

例如，通過(guò)調(diào)用Perseus生成（自采或轉(zhuǎn)化后）的數(shù)據(jù)，監(jiān)控平臺(tái)可生成成豐富的可視化圖表。

三、全鏈路智能，更具核心價(jià)值

樂(lè)維的核心戰(zhàn)略，從來(lái)不是“做一個(gè)更優(yōu)秀的采集工具”，而是以Perseus為基礎(chǔ)，打造Lerwee運(yùn)維智能體——一款深度融合DeepSeek/Qwen等前沿大模型，具備自主感知、推理、決策能力的“運(yùn)維賈維斯”，覆蓋“數(shù)據(jù)采集-資產(chǎn)納管-智能分析-故障處置-業(yè)務(wù)洞察”全鏈路，Perseus只是其底層支撐，上層的智能功能才是樂(lè)維的核心競(jìng)爭(zhēng)力，更具技術(shù)突破性與場(chǎng)景價(jià)值。

Lerwee運(yùn)維智能體采用“感知層、記憶層、規(guī)劃層、行動(dòng)層、大腦層”五大層級(jí)架構(gòu)，結(jié)合OpenClaw 執(zhí)行能力，打造運(yùn)維智能體的“專(zhuān)項(xiàng)能力包”，通過(guò)插件化方式賦予智能體系統(tǒng)級(jí)操作能力，實(shí)現(xiàn)“發(fā)現(xiàn)-監(jiān)控-解構(gòu)-分析-決策-行動(dòng)”的全流程自動(dòng)化運(yùn)維。

1.五層架構(gòu)：構(gòu)建運(yùn)維智能體的 “數(shù)字神經(jīng)網(wǎng)絡(luò)”

Lerwee 運(yùn)維智能體的五層架構(gòu)并非簡(jiǎn)單的功能堆疊，而是一套從 “數(shù)據(jù)采集” 到 “決策執(zhí)行” 的完整智能閉環(huán)，各層級(jí)各司其職、協(xié)同運(yùn)轉(zhuǎn)：

感知層：以樂(lè)維監(jiān)控 + 樂(lè)維生態(tài)（日志、APM、eBPE 等） 為核心，依托 Perseus 采集管家兼容的數(shù)十種協(xié)議，實(shí)現(xiàn)全棧 IT 資源的實(shí)時(shí)感知。不僅覆蓋機(jī)房環(huán)境、服務(wù)器、網(wǎng)絡(luò)設(shè)備、數(shù)據(jù)庫(kù)、中間件等傳統(tǒng)資源，更能對(duì)接物聯(lián)網(wǎng)、容器、開(kāi)源框架等新型業(yè)態(tài)，精準(zhǔn)采集指標(biāo)、日志、告警等全維度數(shù)據(jù)，為上層智能提供統(tǒng)一、標(biāo)準(zhǔn)的數(shù)據(jù)底座。

記憶層：以知識(shí)圖譜、歷史案例、時(shí)序數(shù)據(jù)庫(kù)、圖數(shù)據(jù)庫(kù)、向量數(shù)據(jù)庫(kù)為核心，構(gòu)建運(yùn)維智能體的 “長(zhǎng)期記憶”。它匯聚企業(yè)過(guò)往運(yùn)維經(jīng)驗(yàn)、故障案例、配置規(guī)范等數(shù)據(jù)，支持長(zhǎng)期學(xué)習(xí)與經(jīng)驗(yàn)復(fù)用，讓智能體在分析決策時(shí)能精準(zhǔn)調(diào)用歷史經(jīng)驗(yàn)，避免重復(fù)踩坑，提升決策的準(zhǔn)確性與可靠性。

規(guī)劃層：以樂(lè)維 CMDB為核心，負(fù)責(zé)全域資產(chǎn)建模與復(fù)雜場(chǎng)景解構(gòu)。通過(guò)成熟模型體系構(gòu)建全量資產(chǎn)圖譜，梳理資產(chǎn)屬性、關(guān)聯(lián)關(guān)系與分類(lèi)體系，支撐機(jī)房視圖、業(yè)務(wù)資源查詢(xún)、合規(guī)性檢查等核心能力；同時(shí)協(xié)同多智能體完成高階任務(wù)規(guī)劃，為故障處置、資源優(yōu)化提供清晰的行動(dòng)路徑。

行動(dòng)層：以樂(lè)維網(wǎng)管（安全合規(guī)）、樂(lè)維自動(dòng)化（全棧調(diào)度）、樂(lè)維 ITSM（運(yùn)維規(guī)范） 為核心，是智能體的落地執(zhí)行層。依托海量腳本庫(kù)與可視化 Ansible 操作能力，實(shí)現(xiàn)配置備份、IP 管理、自動(dòng)化流程編排、服務(wù)請(qǐng)求管理等全場(chǎng)景執(zhí)行，將規(guī)劃層的決策轉(zhuǎn)化為實(shí)際操作，完成故障自愈、資源調(diào)度等任務(wù)。

大腦層：以 Lerwee AI（融合 DeepSeek/Qwen 大模型） 為核心，搭載 RAG 檢索增強(qiáng)、CoT 思維鏈、Prompt 提示詞等技術(shù)，是智能體的 “決策大腦”。它整合感知層數(shù)據(jù)、記憶層經(jīng)驗(yàn)、規(guī)劃層方案，實(shí)現(xiàn)系統(tǒng)分析與決策，支撐智能告警分析、根因定位、業(yè)務(wù)洞察、自然人機(jī)交互等高階能力，賦予智能體 “專(zhuān)家級(jí)思維”。

2.那么，Lerwee運(yùn)維智能體能給用戶(hù)帶來(lái)什么價(jià)值？

傳統(tǒng)運(yùn)維模式常面臨資產(chǎn)底數(shù)不清、運(yùn)行動(dòng)態(tài)難感知、問(wèn)題響應(yīng)滯后等痛點(diǎn)，不僅拖累運(yùn)維效率，更埋下業(yè)務(wù)中斷風(fēng)險(xiǎn)。Lerwee運(yùn)維智能體以統(tǒng)一底賬、統(tǒng)一感知、統(tǒng)一響應(yīng)為核心，構(gòu)建起覆蓋資產(chǎn)全生命周期、運(yùn)行全場(chǎng)景、決策全鏈路的運(yùn)維能力，幫助企業(yè)從被動(dòng)救火轉(zhuǎn)向主動(dòng)管理，從經(jīng)驗(yàn)驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)，為業(yè)務(wù)穩(wěn)定運(yùn)行與持續(xù)優(yōu)化筑牢根基。

（1）統(tǒng)一底賬：全面清晰掌握 IT 資產(chǎn)全貌

Lerwee運(yùn)維智能體通過(guò)應(yīng)用、資源、機(jī)房、管理四大維度，為企業(yè)構(gòu)建起完整的 IT 資產(chǎn)統(tǒng)一臺(tái)賬。無(wú)論是應(yīng)用系統(tǒng)的數(shù)量、架構(gòu)與依賴(lài)關(guān)系，還是中間件、數(shù)據(jù)庫(kù)、服務(wù)器等各類(lèi)資源的分布，乃至機(jī)房設(shè)備位置、資源維護(hù)責(zé)任歸屬，都能實(shí)現(xiàn)一目了然的可視化管理，徹底解決傳統(tǒng)運(yùn)維中資產(chǎn)不清、分布不明、責(zé)任模糊的痛點(diǎn)，讓企業(yè)對(duì)自身 IT 家底做到心中有數(shù)。

（2）統(tǒng)一感知：實(shí)時(shí)洞察 IT 運(yùn)行動(dòng)態(tài)變化

圍繞發(fā)布管理、變更控制、事件管理、維保管理、容量管理等核心場(chǎng)景， 實(shí)現(xiàn)了對(duì) IT 環(huán)境全生命周期事件的統(tǒng)一感知。從應(yīng)用版本發(fā)布、配置變動(dòng)，到設(shè)備變更影響范圍、資源告警事件，再到軟硬件維保到期狀態(tài)與容量使用趨勢(shì)，都能被精準(zhǔn)捕捉與追溯，讓運(yùn)維人員及時(shí)掌握系統(tǒng)異動(dòng)，快速定位問(wèn)題源頭，避免因信息滯后導(dǎo)致的故障擴(kuò)大。

（3）統(tǒng)一響應(yīng)：智能驅(qū)動(dòng)運(yùn)維決策與優(yōu)化

基于統(tǒng)一底賬與感知數(shù)據(jù)，Lerwee運(yùn)維智能體提供健康度分析、智能運(yùn)維、容量分析、架構(gòu)評(píng)估、隱患分析等智能化響應(yīng)能力。既能通過(guò)資源關(guān)聯(lián)關(guān)系壓縮告警、定位根因，也能評(píng)估核心應(yīng)用擴(kuò)容需求、識(shí)別架構(gòu)薄弱點(diǎn)，還能挖掘事件分布規(guī)律與潛在風(fēng)險(xiǎn)，為 IT 架構(gòu)加固、資源優(yōu)化配置提供數(shù)據(jù)支撐，實(shí)現(xiàn)從被動(dòng)響應(yīng)到主動(dòng)預(yù)防的運(yùn)維升級(jí)，全面提升運(yùn)維效率與系統(tǒng)穩(wěn)定性。

四、自研與開(kāi)放共生：樂(lè)維的運(yùn)維智能體戰(zhàn)略

樂(lè)維放棄開(kāi)源采集、自研Perseus，并非走向封閉，而是秉持“開(kāi)放兼容、自主可控”的理念，構(gòu)建與開(kāi)源生態(tài)共生的技術(shù)體系，而這一切的核心，都是為了讓Lerwee運(yùn)維智能體的全鏈路能力更穩(wěn)定、更適配企業(yè)需求。

此外，在 2026 產(chǎn)品 RoadMap 中，樂(lè)維將對(duì)發(fā)現(xiàn)引擎重構(gòu)、擁抱 eBPF、AIGC探索等方向進(jìn)行重點(diǎn)布局，持續(xù)深化 AI 技術(shù)與運(yùn)維場(chǎng)景的聯(lián)動(dòng)應(yīng)用，充分釋放智能運(yùn)維價(jià)值。目前，樂(lè)維已發(fā)布全工具鏈的運(yùn)維智能體Skill，并實(shí)現(xiàn)與OpenClaw的深度聯(lián)動(dòng)；同時(shí)，新一代智能交互產(chǎn)品LerweeClaw也即將上線(xiàn)，將進(jìn)一步打通數(shù)據(jù)、工具與決策鏈路，為企業(yè)提供更高效、更智能的運(yùn)維解決方案。