马文霜指出，用户在云上构建业务系统，核心诉求聚焦于“高效用云管云”和“业务持续稳定运行”两大方向。业务持续稳定运行面临着诸多关键挑战，一是业务架构存在缺陷。例如，有些用户在设计业务之时，多个服务之间共用了网关实例，服务A流量突发，而在服务B时就会遭受影响；二是业务代码也会存在缺陷或性能问题，一旦数据库量级到达一定程度以后，慢SQL可能拖垮数据库，致使业务崩溃；三是用户误操作造成云资源退还，使业务陷入瘫痪。当下云业务越来越复杂，如果系统出现问题并持续，就会造成业务持续受损，这就需要在云上进行快速排障，以解决业务受损难题。
Cloud Mate专家服务智能体，可以一键生成业务架构图和定制混沌演练方案，测试业务链路容错能力、可视化治理云上架构。业务上线前，可将高可用演练时间从一周缩短到一天；风险拦截服务，可在用户操作云资源前，提前预测和呈现可能发生的结果，帮助用户识别和规避风险。Cloud Mate的风险拦截服务还能帮助用户检测出代码生成低效的SQL语句。当前，Cloud Mate累计检测代码量超过了770万行，检测拦截成功率达到95%，帮助用户在源头上治理风险。针对比较复杂的故障，Cloud Mate故障排障服务，拥有强大的自动化和并行排障编排能力，可以帮助用户实现从小时级缩短到分钟级排障。
马文霜认为，企业数据库应用里隐藏着大量风险SQL，比如，失控的大数据量更新、失效索引等等，这些风险SQL像一个定时炸弹，随时可能会拖垮数据库，引发系统崩溃。然而，业界传统的做法却陷入“对业务SQL进行打标－事后审计－线上再发现”的死循环，并没有从源头上解决问题。Cloud Mate聚焦在源头，希望在编码阶段就发现风险SQL。
腾讯云自研的垂直模型，通过代码建模能力增强和ORM框架理解微调，让复杂代码端到端解析率超过90%，与通用大模型相比，实现8%的提升，有效解决多维度调用者和调用链漏报的问题。值得一提的是，该模型支持Pothy等主流语言和ORM框架，消除技术栈导致的治理盲区。结合数据库运行时态数据，模型还可以对风险的SQL进行多维度量化、评估，相较于通用大模型，腾讯云自研模型在诊断结果的通过性上，性能提升显著。马文霜说，腾讯云内部很多业务以及头部的金融客户都在尝试使用Cloud Mate专家服务智能体。
马文霜表示，云资源误操作或误配置导致业务受损，也是典型风险的一种。他举例说，今年4月，某企业的运维团队错配了安全组，拦截了6379端口的流量，导致业务瘫痪近一个小时且损失惨重。腾讯云Cloud Mate可以帮助用户在操作云资源前，预测操作影响，将误操作导致流量直接掉底的风险提前告知用户，协助终止操作，避免故障风险。即使用户在明知流量掉底风险，依旧进行相应操作，也能够通过操作撤销功能恢复老安全组，快速挽回业务。目前，Cloud Mate 已接入 IaaS、容器服务、数据库等主要云产品的风险评估和管控，为用户操作云资源筑牢“保险层”。
另外一个例子，出现在电商行业。某电商平台接到客诉，买家反馈支付成功却未发货，仓库称未收到订单团队的支付消息，订单团队表示已将消息写入中间件，中间件团队则强调服务正常。这是企业运维场景中典型的排障怪圈，耗时耗力。在这个case中，运维总监组织 6 个团队联合排查，耗时 2 天才发现根因：测试模块维护时误接现网中间件。如果使用Cloud Mate，排障效率截然不同。通过对多个业务模块全链路日志进行追踪，以及对消息上下游进行综合分析，3 分钟内就将问题定位在“订单支付消息丢失”，再结合中间件消费日志找到异常消费者，通过 CMDB 确认该消费者部署在测试环境，快速锁定问题。
传统人工排障依赖于个人经验和能力，受主观判断影响非常大，排障的成功率与个人能力、经验密切相关，易陷入跨团队互相推诿的怪圈，既浪费精力，又浪费成本，协同沟通效率低下。Cloud Mate通过注入排障思维，确保推理过程清晰可控，支持长上下文排障，为决策提供全景信息。目前，Cloud Mate在腾讯云内部排障的准确率高达90%以上。此外，Cloud Mate还提供非常高效易用的集成体验，帮助客户快速构建专属排障的Agent，让复杂排障不再是难题。
