
DXC OASIS:在 Bedrock 上把模型层和治理缰绳分开,56 个用例的平均解决时间下降 95%
一句话结论
模型选择走统一的受治理接口,能不能改生产系统则由缰绳里的权限档和人工批准决定,这样 Agent 才能进银行和医院的运维现场。
背景与理念
DXC 为银行、医院和政府机构提供托管 IT 服务,全球员工超过 11.5 万人、覆盖 70 个国家。他们把「用哪个模型」和「工作如何被编排、批准和审计」分成两层:底层是建在 Amazon Bedrock 上的受治理模型基底,上层是 DXC 自己的 OASIS 缰绳,负责编排、治理和保证。公开事件表明,风险往往不是模型本身,而是 Agent 拿到了超出任务所需的权限、架构里又没有能拦住它的东西。OASIS 在 2026 年 3 月一般可用。
具体做法
- 所有模型调用都走 Bedrock 的同一套推理接口。文中点名 Anthropic Claude、Amazon Nova、Meta Llama 和开源权重系列。供应商故障或停用变成路由决策,而不是重建系统;但换模型前,缰绳要先用 OASIS 的任务套件做保证,因为能力、文风和失败模式并不相同。智能提示路由会在同一模型族里把简单请求分给更便宜的模型,复杂推理分给更强的模型,并配合提示缓存。
- 在客户 VPC 私有子网的 Amazon EKS 上跑运行时,按租户做命名空间,用 GitOps 发布。监督 Agent 把任务委派给能力 Agent,调用知识库、Secrets Manager、EventBridge 和 S3;模型流量经 VPC 接口端点和 PrivateLink 到达 Bedrock,不走公网。团队从 2025 年初做原型,一般可用后向约 130 个客户环境扩展。
- 把六种能力明确划给基底或缰绳。编排、六十年的运维手册和升级逻辑、按请求的策略与字段级约束、以及人的监督,都由缰绳提供。人的权限分成四档:观察、提议、批准后执行、在范围内执行;每个人设一开始都是只读,再按任务逐步放开。
- 演示里的故障处理把这条线说得很清楚。航空公司演示环境中,FlightOps 服务器磁盘清理失败,CIO 看到的是四小时内可能影响航班调度的业务风险,Linux 工程师看到的是技术细节。监督 Agent 把请求拆给指标、Linux 和 ITSM 等能力 Agent;指标 Agent 确认磁盘已用 99%,Linux Agent 追到一个 5 GB 临时文件。完整执行计划必须由工程师确认后才跑,审计记录由缰绳写,而不是采用 Agent 自己的说法。
关键数据/例子
自一般可用以来,OASIS 为 12 类运维角色服务,覆盖 Linux、Windows、SAP、虚拟化、备份补丁、AWS、Azure 和网络等。在 56 个被统计的用例上,平均解决时间下降 95%。文中列出的代表数字包括:文件系统事件从 53–90 分钟降到 3–6 分钟(约 89%–97%);数据库性能事件从 2–3 小时降到 5–12 分钟(约 90%–97%);云策略校验从 4–8 小时降到 15–30 分钟(约 88%–97%);补丁校验从 45–90 分钟降到 5–10 分钟(约 85%–90%);复杂问题管理从 2–6 天降到 8–10 分钟(约 99%)。诊断准确率至少 92%,对照的是资深工程师判断。问题管理若手工做,给事件类别排前五并给建议要 2–3 小时;演示里的故障处理目标是 10 分钟内从告警到解决。
创新点
第一,把模型层做成可替换的基底,把权限、审批和审计留在缰绳里,避免既让模型自我治理,也避免把云已经提供的能力再造一遍。第二,自主权按任务授予,默认只读。第三,审计追踪来自系统记录的执行编号和 OpenTelemetry,而不是模型事后的自述。
可否复用
- 先画清「云平台提供什么」和「自己必须建什么」,尤其是权限、审批和审计不能交给模型自己说了算。
- 每个人设或每个 Agent 默认只读,按任务一档一档放开执行权。
- 换模型前用同一套任务套件做保证,把路由变化当成一次需要验证的发布,而不是改个配置就上线。
- 生产变更必须留下独立于 Agent 自述的批准和执行记录。