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

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

1. 小红书可观测在 AI 时代面临的挑战

2. AI Infra 观测：稳定性体系建设

• 业务痛点以及对 AI Infra 稳定性的要求

• GPU 基础设施保障：解决算力故障的资源浪费问题

• 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

• 业务实战案例分享

3. AI 应用观测：全链路监控的落地实践

• AI 应用的快速发展对可观测基建的挑战

• AI 应用全链路监控的解决方案

• 业务实战案例分享

4. 可观测 AI Agent 场景建设与落地

• 围绕稳定性工程的 AI + 建设思路

• 可观测 AI + 架构设计

• 最佳实践分享

5. 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。