Datadog 推出面向 SRE 故障排查的专用 AI 模型

Datadog 于 2026 年 11 月 11 日发布了一款名为 Scout 的轻量级专用 AI 模型，该模型集成在其 Bits Investigation 平台中，专门用于生产环境的故障排查与根因分析。目前，Scout 处于封闭预览阶段，仅由内部工程师及少量客户进行验证。 www.sosit.com.cn

Scout 的定位与核心功能

Scout 的设计初衷是为了解决通用大模型在生产告警响应中成本高、延迟大的问题。它专为低延迟、高频率的告警响应而优化，能够在工程师介入之前自动接收告警、查看遥测数据，并推测问题的根本原因。其目标是成为全天候待命的第一响应者，在人工干预前收集线索并定位可能的故障点。 技王数据恢复

性能表现与成本优势

在 Datadog 自建的 AlertEval 基准测试中，Scout 展现了显著的成本效益： www.sosit.com.cn

• Scout medium 档位的性能接近 GPT-6.1 Sol high 和 Claude Opus 5.5 high，但单位排查成本仅为后者的 1/3 至 1/8。
• Scout xhigh 档位的效果对标 Claude Fable 5.1 xhigh，成本降低至后者的 1/4。

需要注意的是，这些成本数据是相对于 Scout medium 单次排查的成本而言的相对值，官方并未公布具体的绝对定价。此外，AlertEval 基准测试由 Datadog 独立完成，尚未经过独立第三方验证。

技王数据恢复

技术实现与训练策略

Scout 基于 GLM-5.3 Flash 构建，并通过强化学习进行后训练。训练过程使用了从历史案例中提取模式生成的模拟事件，这些事件包含告警、可查询的遥测数据和已知根因，且明确不包含任何客户数据。在训练初期，团队发现模型倾向于少做推断以规避惩罚，随后通过调整奖励机制——从仅关注最终结论转向关注正确性、探索过程和支持证据，并限制工具使用时间，成功提升了模型的排查能力。 www.sosit.com.cn

当前局限性与未来规划

尽管 Scout 在排查方面表现出色，但其当前版本仍存在明确的功能边界：

www.sosit.com.cn

• 仅限诊断：Scout 仅负责排查、给出诊断和建议恢复方案，不执行实际的代码变更或系统修复操作，最终变更仍需由工程师负责。
• 验证状态：目前处于封闭预览阶段，官方未给出正式发布日期。
• 数据透明度：外界无法获取模型在排查过程中考虑过但被丢弃的证据链，这影响了结果的完全可解释性。

Datadog 表示，未来的长期目标是让 Bits 平台能够执行修复操作，并将在模拟案例中加入更多故障类型以进一步提升模型的适用范围。 技王数据恢复

技术审核：邓严军｜技王数据恢复实验室技术总监 www.sosit.com.cn