Instacart 推出名为 “Blueberry” 的 AI 辅助事故响应系统，旨在协助待命工程师更快排查、解决生产环境故障。该系统利用多个 AI 智能体、运维资料以及过往故障处置经验，在生产事故发生时为工程师补充场景信息，并提供故障根源推测。

构建这个系统是为了解决大规模运维场景中普遍存在的难题：发生故障时，工程师往往要先耗费大量时间收集各类背景信息，之后才能开展故障诊断。这个过程包括：确定服务归属、审查部署、分析日志和指标、搜索文档，以及将症状与以往事故开展比较。

Instacart 表示，4 月份 Blueberry 在 270 余个 Slack 频道中完成了约 25000 次诊断。公司将诊断准确率的提升归功于系统接入了时长超 14 年的事故历史数据作为事实依据，系统诊断准确率从 60% 提升至 90% 以上。

Blueberry 可与基于 Slack 的故障处置流程集成，工程师无需退出日常协作频道即可排查故障。该系统负责收集信息、生成假设、辅助调试排查，并不会擅自对生产环境作出改动。

Instacart 首席技术官 Anirban Kundu 表示，Blueberry 是该公司布局 AI 智能体系统整体探索的一环。Kundu 介绍说，一旦触发告警，Blueberry 会并行启动约 10 个子智能体，并直接在工程师正在处理问题的 Slack 对话线程内生成具有事实支撑的根因假设。系统一般可在三分钟左右输出初步排查结果。

表明 Blueberry 自动分类的 Slack 截图（来源：Instacart 博客文章）

该架构将 AI 推理与组织特定的运营知识相结合。Blueberry 不只是依赖通用语言模型，它还将智能体与内部资源（如事故历史、服务归属数据、日志、部署和其他调试信号）连接起来。

持久、工具感知的框架：生产路径加上侧挂的 MCP 目录、持久化状态和审查改进循环（来源：Instacart 博客文章）

用于生产运维场景的 AI 系统，其核心设计难点在于确保提供的排查建议具备可靠事实依据。Blueberry 采用了一种可调用工具的运行模式，智能体一边从连接的系统检索所需信息，一边持续留存故障排查进度。故障诊断、应急处置决策以及修复操作最终仍由工程师负责。

Instacart 工程副总裁 Siby Alappatt 指出，该系统改进了值班运维人员的故障排查与应急处置效率。

Blueberry 已被证明是一个力量倍增器，它借助 AI 改变值班运维模式，并帮助我们快速排查和缓解生产中的复杂问题。

该系统还会留存故障处置过程中沉淀下来的运维知识。它会整合过往故障案例与团队专属业务背景信息，在后续故障排查时，工程师可以复用以往的运维经验。

Instacart 软件工程总监 Alan Wong 表示，Blueberry 通过在深入分析开始之前提供相关信息改变了值班工程师的起始模式。工程师不再从零着手排查问题，而是可以从收集到的上下文（如日志、部署和相关系统信息）开始排查工作。

Instacart 落地 Blueberry 的实践显示，有效的 AI 运维系统不仅取决于大模型的能力，还取决于配套的工程框架，包括运维场景上下文、专门的工作流程、工具集成和反馈循环。该系统在一个月内处理了约 25000 次诊断，工作流程成功率达 99.9%，MCP 工具调用超过 58000 次，并可适配约 60 个不同团队的工作模式。

查看英文原文：https://www.infoq.com/news/2026/08/instacart-blueberry-sre-ai/