Bugly AI智能告警：从规则告警到智能告警的实践之路

一、Bugly 智能告警能做到什么

以前：凌晨 3 点崩溃率突破阈值，工程师被一条短信炸醒，打开电脑发现是凌晨波动导致的误报。

现在：不用配阈值，AI 自动学习时序规律；告警发出来时直接告诉你"哪个版本、哪个问题导致的"，看完报告就能确认问题快速定位处理。

图片

目前已覆盖崩溃率、ANR 率等核心监控场景，并在持续接入更多指标。

继续往下看，了解这套系统是怎么做到的 ↓

二、传统告警有什么问题

用一张图看清楚：

图片

具体来说，传统方案有三个核心痛点：

😫 误报泛滥

• 凌晨用户少，分母一降，率就"虚高" → 误报
• 周末/节假日流量自然波动 → 告警刷屏
• 流量较少场景只要多几个崩溃就触发

😰 漏报风险

• 阈值高了怕漏，低了误报更多，两难
• 每天慢慢涨 0.01%，不触发阈值，等发现已经晚了

😓 人力成本高

• 需要专人维护阈值，还要跟着业务不断调整
• 工程师大量时间在排除误报，真问题反而被淹没

三、智能告警怎么解决的

整体思路：四道关卡，层层过滤

图片

每一道关卡都在做一件事：把噪声挡住，让真问题通过。

场景一：凌晨低谷，率"虚高"

图片

图片

智能告警怎么做到的？

系统会自动对比"今天凌晨"和"过去 7 天同时段"的数据分布。如果当前变化在历史正常波动范围内，就判定为正常——不管它有没有超过某个固定阈值。

场景二：新版本引入质量问题

图片

图片

智能告警怎么做到的？

检测到异常后，系统自动从版本、问题等多个维度做归因分析，找出"罪魁祸首"——告警报告里直接告诉你答案。

图片

场景三：流量较少场景"假飙升"

图片

智能告警怎么做到的？

系统不只看"涨了多少百分比"，还会结合绝对数量。崩溃设备只多了 5 个——这不叫问题，叫统计噪声。

场景四：边界异常，该不该报？

有些异常不大不小——比率超了一点，但又不像严重故障。传统告警要么"一刀切报"，要么"一刀切不报"。

智能告警的做法：交给 AI 研判。

系统把当前数据、历史规律、归因结果全部喂给大模型，让 AI 给出综合判断：

"崩溃率环比上涨 24%，主要由新版本 X.Y.Z 贡献。建议通知研发排查。"

这样团队收到的每一条告警，都带着分析结论，不再是一个干巴巴的数字。

四、实际效果展示

4.1 新版本异常 → 自动定位元凶

场景：某产品崩溃率突然上涨。

图片

智能告警做了什么：

• ✅ 自动检测到异常
• ✅ 归因分析发现新版本是元凶
• ✅ 告警报告直接附带 TOP5 问题列表 + 新增/劣化 issue 对比

团队收益：从"收到告警 → 自己去查"变成"收到告警 → 直接看报告就知道问题在哪"。

4.2 灰度区间异常 → AI 研判确认真问题

场景：某产品设备崩溃率出现小幅上涨，幅度不大，处于"报也行不报也行"的灰度区间。传统阈值告警要么忽略，要么频繁打扰。

智能告警做了什么：

• 检测到崩溃率有增长但幅度处于边界区间
• AI 研判模块介入，综合分析历史规律和当前趋势
• 发现相关 issue 发生次数出现明显尖刺（从平稳线突增至 156 次）
• 判定为真实异常，发出告警

结论：增长幅度小不代表没问题。AI 会交叉验证多个维度的数据，"灰度区间"的异常也能被准确捕获。

4.3 日常巡检 → 发现新增质量问题

场景：某产品设备崩溃率在 2026-06-12 10:00 出现上涨。

智能告警做了什么：

• 基于历史数据建模，自动计算出预期区间上界 0.1087%
• 实际值远超预期，标记为 critical 级异常
• 自动归因分析，发现本次共 11 个新增问题，核心集中在 Unity 引擎相关崩溃
• 告警报告直接列出 TOP 问题清单，研发打开即可定位

结论：智能告警不只是"率涨了就报"——它会告诉你涨了多少、偏了多少、是哪些新问题导致的，真正做到"一条告警解决一个问题"。

4.4 凌晨真实崩溃 → 正确告警

图片

场景：某产品凌晨崩溃率大幅上涨。凌晨本身是低谷期，很容易被当成"误报"过滤掉。

智能告警做了什么：

• 对比过去 7 天同时段数据
• 发现当前增幅远超历史波动范围
• 判定为真实异常，正确发出告警

结论：不是凌晨的异常就一定是误报——关键是要跟历史比。系统帮你做了这个判断。

五、申请试用

如果上述场景正是你的日常困扰，欢迎联系 Bugly 客户经理申请试用。

图片

Bugly（https://bugly.tds.qq.com）是专业的监控定位分析平台，作为腾讯端服务联盟（https://tds.qq.com）的重要成员，提供研发全流程、全平台、智能化的监控定位分析解决方案，助力全球开发者高效地构建高质量应用。