整合日志、指标、链路、事件、拓扑、变更等跨域数据统一存储,提供 PB 级日写入、EB 级存储、千亿数据秒级分析的低延迟、多可用区部署等能力。
基于实体、关系、观测数据和运维知识构建统一数据模型(UModel),结构化应用、服务、资源、告警和变更关系,让 Agent 在同一上下文中理解系统、追踪影响并推理根因。
沉淀异常检测、日志聚类、链路分析、性能剖析、变更回溯等通用分析能力,减少大模型直接处理海量原始数据的成本,提升问题分析、诊断效率和结果稳定性。
构建贴近真实场景的仿真、故障注入、诊断评估和反馈闭环,基于线上和线下的全链路评估体系,持续优化效果,形成可评估、可回滚、可进化的智能体迭代体系。

快速上手 - 智能会话
完成一次自然语言数据查询,快速体验 STAROps 的智能助手能力
快速上手 - 长期任务
以"K8s 集群每日定时巡检"为例,体验从创建长期任务到查看巡检报告的完整流程
最佳实践 - 如何打造专属运维智能体
以"K8s 集群运维助手"为完整案例,介绍如何通过默认规则、技能(Skill)和 MCP 工具的组合配置,将一个通用的数字员工(Agent)打造为符合团队需求的专属运维智能体
最佳实践 - 自然语言驱动的故障诊断实践
完整介绍通过使用自然语言与数字员工(Agent)进行多轮对话,完成从告警发现到根因定位的完整故障诊断流程