如果你已经在跑 Agent 类应用，或者准备把大模型能力接进生产环境，大概率会遇到一个很具体的问题：服务上线之后，怎么看它到底跑得好不好、贵不贵、什么时候会崩。这套资料处理的就是这个场景，不涉及怎么搭 Agent、怎么写 Prompt，而是假定你手头已经有一套在跑的 Agent 系统，需要把它纳入可观测和运维的范围。
它对准的工作场景
Agent 和传统后端服务不太一样。一次用户请求可能触发多轮工具调用、多次模型推理，链路更长、外部依赖更多、单次成本也更难预估。常见的麻烦包括：某个工具接口变慢拖垮整条链路、并发一上来 token 消耗失控、日志里只看到最终失败却定位不到是哪一步出的问题。这套资料围绕的就是这类排查和治理动作，覆盖集群层面的监控、调用链路的日志追踪、以及按业务维度拆分的成本跟踪与预算控制。
学完之后能独立做什么
- 为一个 Agent 服务搭起基础监控面板，把延迟、错误率、调用量这些指标按服务或工具维度拆开看；
- 用 Prometheus 采集指标、用 Grafana 出图，并把告警规则配到能真正触发人的程度，而不是天天误报；
- 把散落的运行日志组织成可检索的结构，出问题时能顺着一次请求把整条调用链捞出来；
- 按项目、按用户或按功能统计 token 和调用开销，设定预算阈值，在超支前收到提醒。
这几件事加起来，基本对应一个 Agent 系统从“能跑”到“敢让它长时间跑”的过渡。不是做完就一劳永逸，但能让你在出事的时候有数据可看、有方向可查。
资料的组织方式和适合的基础
整份材料以文档和图文为主，页数在 140 页上下，分成九个章节，节奏偏紧凑，没有大量铺垫性的概念科普。它更适合已经具备以下基础的人：熟悉 Linux 基本操作和命令行，了解容器或集群的基本概念，接触过至少一种监控或日志工具。如果你之前完全没碰过 Prometheus 这类时序数据库，前几章会需要边看边补一点背景知识，但材料本身对配置和查询的讲法比较直接，不至于卡住。
反过来，如果你已经能熟练写 PromQL、也用 Grafana 搭过看板，那监控这部分可以快速略读，把时间放在成本跟踪和日志链路这两块——它们针对 Agent 场景的调整更多，通用经验能直接套用的部分反而少。
使用建议
这份资料不太适合从头到尾一口气读完。更实际的做法是：先对照自己系统当前最痛的一个点，比如“不知道钱花在哪”或者“报错查不到原因”，直接跳到对应章节，照着把一套最小可用的采集和展示跑通，再回头补其他部分。里面配的知识地图和图示可以先扫一遍，建立整体结构感，但不必逐页精读。运维类内容的价值在于落地，看十页不如把一条告警规则真正配起来并观察一周。
课程目录
Agent运维监控实战（9章140页）文档.png [493.5 KB] 08-无限循环检测与防御（GuardrailsforInfiniteLoops）.html [37.5 KB] 04-AgentOps&ObservabilityGuide-04-HardcoreCostTracking&Budgeting.html [55.9 KB] 知识地图_slides.pdf [660.5 KB] 07-Agent集群监控与可观测性——基于Prometheus与Grafana.html [46.6 KB] 03-AgentOps&ObservabilityGuide_slides.pdf [8.5 MB] 07-Agent集群监控与可观测性——基于Prometheus与Grafana_slides.pdf [7.5 MB] 知识地图.html [11.8 KB] 02-AgentOps&ObservabilityGuide_slides.pdf [8.7 MB] 06-AgentOps&ObservabilityGuide-06-LoggingandPIIMasking_slides.pdf [8.6 MB] 08-无限循环检测与防御（GuardrailsforInfiniteLoops）_slides.pdf [6.2 MB] 06-AgentOps&ObservabilityGuide-06-LoggingandPIIMasking.html [41.5 KB] 09-生产环境中的提示词A-B测试(A-BTestingPromptsinProduction)_slides.pdf [7.7 MB] 09-生产环境中的提示词A-B测试(A-BTestingPromptsinProduction).html [41.8 KB] 04-AgentOps&ObservabilityGuide-04-HardcoreCostTracking&Budgeting_slides.pdf [9.9 MB] 05-AgentOps&ObservabilityGuide-05-LatencyBottleneckAnalysis.html [46.4 KB] 05-AgentOps&ObservabilityGuide-05-LatencyBottleneckAnalysis_slides.pdf [7.8 MB] 02-AgentOps&ObservabilityGuide.html [42.0 KB] Agent 可观测与运维（完整版）.pdf [12.4 MB] 01-AgentOps&ObservabilityGuide.html [45.0 KB] 01-AgentOps&ObservabilityGuide_slides.pdf [8.0 MB] 03-AgentOps&ObservabilityGuide.html [43.3 KB] 适合人群 运维工程师 系统管理员 DevOps工程师 学习收获 掌握Agent运维监控技能 提升系统稳定性 优化运维成本 祝您学习愉快！ 学有所成，前程似锦！
