软件与互联网 · 算力基础设施与AI平台 / 智能运维与巡检 / Agent / 流程自动化
乐檬借助阿里云STAROps与云监控2.0实现食品零售智能运维自治
乐檬基于阿里云STAROps与云监控2.0，通过UModel构建全链路数字孪生，实现统一告警治理、自然语言观测、定时智能巡检和专属运维数字员工，告警收敛70%，需求响应与恢复时间缩短至分钟级。
业务效果
告警收敛70%，告警风暴对值班的干扰显著降低。
未披露
业务效果
需求响应周期缩短到分钟级，观测看板可对话快速生成。
未披露
业务效果
平均恢复时间（MTTR）压缩到分钟级。
未披露
01
业务背景
乐檬是一家专注食品零售数字化的软件服务商，为商超、连锁门店等提供覆盖收银、ERP、WMS、支付分账等系统的解决方案，服务超过20万家门店。其运维复杂度高，多套系统产生海量观测数据。
02
遇到的问题
告警分散在多个系统，规则膨胀导致告警风暴淹没真异常；观测数据产出困难，业务人员无法直接消费；资源巡检依赖人工，故障定位依赖资深经验，跨系统排障耗时漫长。
03
AI 解决方案
采用阿里云云监控2.0与STAROps，通过UModel将日志、指标、链路数据建模为数字孪生。落地四层能力：统一告警治理、NL2SQL自然语言观测、定时智能巡检（Mission）和专属运维数字员工，实现告警收敛、自助看板、自动化巡检和跨系统根因分析。
- 1评估现有观测体系，选择阿里云云监控2.0与STAROps作为升级核心。
- 2利用UModel将分散的日志、指标、链路数据建模为全链路数字孪生。
- 3整合告警规则到统一管理中心，并部署告警规则治理技能。
- 4配置NL2SQL能力，支持自然语言查询与看板生成。
- 5设置Mission任务，实现定时巡检。
- 6定制专属运维数字员工，配置技能与MCP工具。
04
实施结果
业务效果：告警收敛70%，告警风暴对值班的干扰显著降低。
业务效果：需求响应周期缩短到分钟级，观测看板可对话快速生成。
业务效果：平均恢复时间（MTTR）压缩到分钟级。
业务效果：自动化巡检覆盖容器、应用、云资源及支付管道，配置漂移提前识别。
业务效果：数字员工跨系统根因分析，减少人工关联时间。
05
风险与边界
AI运维依赖数据质量与模型准确性；自动化变更需人工干预机制防止误操作；初始接入与定制需要一定学习成本；需持续维护规则与模型以适配业务变化。
本案例展示了AI在智能运维领域的深度应用，通过统一数据建模与自动化Agent，将传统人力密集的运维工作转化为高效智能流程，适合系统复杂度高、快速扩张的SaaS企业。
适合
拥有多云或复杂系统架构的SaaS企业多租户业务且门店终端众多的零售科技公司运维团队规模有限但系统规模大、告警频繁的公司
前置条件
已有较为完善的云上观测基础设施（日志、指标、链路）具备基础的可观测性和DevOps文化需要团队具备一定技能以定制Agent和Mission配置
信息来源
2 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。