重塑可观测边界：小红书在大模型时代的稳定性工程实践｜QCon 上海

抖音热门 2025年09月26日 17:52 2 aa

如果你也关注 Agent、AI 搜索、多模态、工程化等话题，一定不要错过这 100+ 可落地的实践案例！

10 月 23 日 -10 月 25 日，QCon 全球软件开发大会将在上海举办。本次大会将聚焦 Agentic AI、具身智能、强化学习框架、端侧大模型实践、多智能体协作等热门话题，以及 AI 时代下的软件研发、可观测、开源等技术实践，邀请来自腾讯、阿里、字节跳动、华为、蚂蚁集团、小红书等企业的技术专家，和来自清华大学、北京邮电大学、浙江大学的顶尖高校讲师，和你一起重构技术认知与能力边界！

小红书可观测团队负责人王亚普已确认出席并发表题为《重塑可观测边界：小红书在大模型时代的稳定性工程实践》的主题分享。 AI 技术的爆发式增长对可观测性的挑战和新需求：如何保障 AI Infra 和 AI 应用的稳定性、性能和可靠性，可观测平台也从“服务业务”到“服务 AI ”再到“自身智能化”的演进趋势。AI 正在重塑可观测平台的能力边界：需要对 AI 基础设施、训练 / 推理有一定了解，才能提供真正有效的可观测能力；从传统的数据呈现 / 检索工具，变成具备洞察力和决策辅助能力的智能系统。本次分享将结合小红书在 AI 领域不同方向解决痛点问题的经验探索，详细分享其中一些重点技术的实践和落地，希望能给听众带来一些启发和思考，欢迎多多交流。

王亚普，小红书可观测团队负责人。目前就职于小红书基础技术部可观测技术组，主要负责小红书可观测技术体系建设，结合公司内部云原生架构现状，推动可观测技术在公司内大规模落地，面向业务提供一站式可观测平台，并深度应用于公司稳定性项目建设，提高故障发现、响应、定位效率，并在持续探索 AI 可观测的能力边界和技术突破。曾就职于美团、蚂蚁集团，专注于可观测技术领域，高性能组件发烧友。他在本次会议的详细演讲内容如下：

演讲提纲

小红书可观测在 AI 时代面临的挑战
AI Infra 观测：稳定性体系建设

训练任务的稳定性保障：训练 Hang 的发现与定位、训练效果观测

AI 应用观测：全链路监控的落地实践
可观测 AI Agent 场景建设与落地
未来规划

您认为，这样的技术在实践过程中有哪些痛点？

环境异构挑战：内部训练框架多元、GPU 品牌参数与型号参差不齐，难以制定一套兼顾所有场景的通用解决方案
在千卡甚至万卡集群训练时，任务 Hang 住所有 Pod 表现都是卡死，故障种类较多且故障定位的工作非常复杂
AI 应用的全链路追踪对于现有基建存在很多兼容性的挑战，需要考虑现状和业界发展趋势找到合适的落地路径

演讲亮点

GPU 故障诊断、训练 Hang 故障发现与定位可复制的工程经验
可观测 AI Agent 产品化落地的思路，融合传统 AIOps 能力与大模型的落地实践

听众收益

了解大规模训练过程中 Hang 的问题发现和自动化诊断
了解业务 AI 应用端到端链路监控的建设思路
了解 AI + 可观测的产品设计思路和技术架构

除此之外，本次大会还策划了多模态融合技术与创新应用、混沌工程与全链路压测实践、Data Infra for AI、Agentic AI、加速与反哺：AI 时代的可观测实践、Vibe Coding、端侧大模型的创新与应用、大模型推理的工程实践、AI 搜索技术的深水区、模型训练与微调、具身智能：当 AI 学会“动手思考”、大模型驱动的制造革命、AI4SE：软件研发提质增效实践、AI 重塑视觉创作体验、从“炫技”走向“实用”的 AI 产品、大模型驱动的智能数据分析等 20 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+ 资深专家在 QCon 上海站现场带来前沿技术洞察和一线实践经验。

现在报名即可以享受 9 折优惠，单张门票立省 680 元，，详情可联系票务经理 18514549229 咨询。