先了解别人，才能在自己的结构上反思。公司内部的结构跟阿里云差别很大，这份材料帮助在 10 分钟内建立对阿里云 Agent Infra 5 大产品的认知地图。详细拆解见《UModel_STAROps_三件套_深入拆解.md》

阿里云 Agent Infra 5 大产品（入门认知地图）

〇、设计哲学

阿里云 Agent Infra 的设计逻辑：让企业"聚焦效果，工程交给基础设施"。围绕 Agent 的开发、运行、治理、观测、优化、运维各阶段，5 个独立产品各司其职。

一、认知地图：5 大产品全景

产品	一句话介绍	解决的问题
AgentRun	智能体开发构建平台	怎么把 Agent 写出来
AgentCore	智能体构建和治理平台（原 AgentTeams）	Agent 怎么运行、多 Agent 怎么协作和管住
AgentLoop	智能体自进化平台	Agent 跑得好不好、怎么越用越准
STAROps	全域智能运维平台	怎么用 Agent 做运维
UModel	可观测数据建模方法（横切底座）	数据怎么关联和组织

按生命周期记忆：

▼
mermaid
复制代码
flowchart LR
    subgraph LIFE ["Agent 生命周期"]
        direction LR
        L1["开发"]:::phase
        L2["运行"]:::phase
        L3["治理"]:::phase
        L4["观测"]:::phase
        L5["评估优化"]:::phase
        L6["运维"]:::phase
        L1 --> L2 --> L3 --> L4 --> L5
        L4 -.-> L6
        L5 -.-> L6
    end

    subgraph PROD ["5 大核心产品"]
        direction LR
        P1["<b>AgentRun</b><br/>开发构建平台"]:::prod
        P2["<b>AgentCore</b><br/>构建+治理平台<br/>（原 AgentTeams）"]:::prod
        P3["<b>AgentLoop</b><br/>自进化平台"]:::prod
        P4["<b>STAROps</b><br/>智能运维平台"]:::prod
    end

    subgraph BASE ["底座"]
        P5[("<b>UModel</b><br/>可观测数据建模<br/>横切所有产品")]:::base
    end

    P1 -.->|"开发"| L1
    P2 -.->|"运行+治理"| L2
    P2 -.->|"治理"| L3
    P3 -.->|"观测"| L4
    P3 -.->|"评估优化"| L5
    P4 -.->|"运维"| L6
    P5 -.->|"底座"| P1
    P5 -.->|"底座"| P2
    P5 -.->|"底座"| P3
    P5 -.->|"底座"| P4

    classDef phase fill:#e8f4fd,stroke:#2980b9,stroke-width:2px,color:#000
    classDef prod fill:#fef9e7,stroke:#f39c12,stroke-width:2px,color:#000
    classDef base fill:#f4ecf7,stroke:#8e44ad,stroke-width:3px,color:#000

记忆口诀：AgentRun 写 Agent → AgentCore 跑+管 Agent → AgentLoop 让 Agent 进化 → STAROps 用 Agent 做运维 → UModel 是数据底座。

二、逐个产品介绍

1. UModel——可观测数据建模方法（底座）

一句话：用图结构（Node + Link）给 IT 世界画一张"统一、无歧义的地图"，把业务身份→运行资源→观测数据关联起来。

是什么：UModel（Universal Observability Model）是阿里云基于图模型的可观测数据建模方法，采用 Node（节点）和 Link（边）描述 IT 世界，是阿里云可观测体系的数据建模基础。来源：阿里云官网 UModel 概览

三个原语（图模型基础）：

Node（节点）：数据集 Set + 存储类型 Storage（实体集 / 日志集 / 指标集 / 链路集 / 事件集 / 性能数据集）
Link（关联）：EntitySetLink（实体→实体）/ DataLink（实体→数据）/ StorageLink（模型→存储）
Field（字段）：描述 Set 和 Link 属性（名称/类型/约束/分析特性）

核心理念（为什么重要）：

对象优先：对象身份稳定——Pod 重建、数据源切换后，仍能沿同一业务身份追查（应对资源漂移）
是本体论（Ontology）的商业落地：阿里云官方明确说"UModel 的设计理念源于信息学的本体论"——先定义"世界有什么"，Agent 才能基于它推理
站在已有系统之上：不是另一个 CMDB/知识图谱，而是把 CMDB、可观测工具中已有的事实组织成统一对象图

案例中的角色：让数字员工拿到的不只是某条日志，还包括"它属于谁、关联到哪、对应哪次运行"。

🔍 Schema 细节、本体论溯源、DevOps 建模实例、EntityStore 存储结构 → 见《深入拆解》第二章。

2. STAROps——全域智能运维平台

一句话：用 Agent 做运维的应用平台——运维用自然语言定目标，数字员工自主完成规划、执行、验证的全闭环，人只做关键决策。

是什么：STAROps 是阿里云基于大模型和智能体技术打造的全域智能运维平台，深度融合跨域可观测数据与大语言模型推理能力，实现从被动响应到主动自治的运维模式转型。来源：阿里云官网 STAROps 产品介绍

三大核心模块：

模块	能力	说明
智能助手	自然语言即时交互	一个对话窗口内完成告警分析、指标解读、日志诊断
长期任务（Mission）	跨天/月级异步任务	一次目标对齐即可自主执行长周期运维计划，内置 HIL 机制
数字员工（SRE Agent）	企业专属 SRE 智能体	自定义配置职责/权限/工具/技能，沉淀可复用 Skill

STAR 命名解析：

S — Sense（全域感知）：通过连接器接入跨域数据，基于 UModel 维护实体、关系和动态拓扑
T — Target（目标导向）：从告警响应转向目标达成
A — Autonomy（自主运维）：智能体自主完成动态规划、安全执行与结果验证全闭环
R — Resilience（业务韧性）：实时守护业务系统韧性

与其他产品的边界：STAROps 是垂直运维应用（预置运维能力 + 绑定 UModel 数据底座），区别于 AgentCore 那样的通用 Agent 平台。

案例中的角色：承载数字员工 + 三件套（默认规则 + 工具接入 + 领域方法），是整个运维场景的宿主平台。

🔍 数字员工配置、长期任务机制（执行蓝图/事项/HIL）、三件套详解 → 见《深入拆解》第三、四章。

3. AgentLoop——智能体自进化平台

一句话：让 Agent 越用越准——观测执行轨迹（Trajectory）、Agent-as-a-Judge 评估、经验回灌，形成数据飞轮。

是什么：AgentLoop 是阿里云面向企业级智能体的一站式自进化平台，提供 Agent 全栈观测与审计、评估与实验、资产管理与持续优化能力。来源：阿里云官网 AgentLoop 产品介绍

核心架构：观测 → 评估 → 优化数据飞轮：

▼
mermaid
复制代码
flowchart LR
    A["<b>① 观测与审计</b><br/>无侵入采集链路/指标/日志<br/>还原推理和执行路径"]:::a
    B["<b>② 评估与实验</b><br/>Agent-as-a-Judge 评估<br/>在线实时评估 + 实验回测"]:::b
    C["<b>③ 持续优化</b><br/>Prompts/Skills 调优<br/>记忆库与经验库进化"]:::c
    A --> B --> C
    C -.->|"经验回灌"| A

    classDef a fill:#e8f4fd,stroke:#2980b9,stroke-width:2px,color:#000
    classDef b fill:#fef9e7,stroke:#f39c12,stroke-width:2px,color:#000
    classDef c fill:#eafaf1,stroke:#27ae60,stroke-width:2px,color:#000

解决的四大挑战：

挑战	AgentLoop 解决方案
质量退化难感知	全栈观测 + Trajectory 轨迹分析
成本暴涨难归因	Token 消耗精细归因（节省 40%+）
变更风险难拦截	自动化质量门禁
行为审计无留痕	不可篡改的执行轨迹证据链

客户价值数据：Agent 推理质量提升 20%+，故障定位时间减少 50%+，Token 节省 40%+。

案例中的角色：回看数字员工的执行过程，评估诊断质量（找对对象/取得证据/结论可支持/无遗漏），为修订排查手册提供依据。

4. AgentCore——智能体构建和治理平台

一句话：让智能体"建得快、管得住、协作好"——统一构建运行、Leader-Worker Team 协作编排、身份鉴权与审计。

是什么：AgentCore 是阿里云的智能体构建和治理平台，原名 AgentTeams（多智能体治理与协作平台），2026-08-28 正式更名。以构建与运行、协作与治理、观测与评估三大能力覆盖 Agent 全生命周期，将自研、开源 Harness、商业 SaaS Agent 多来源统管于一个平台。来源：阿里云官网 AgentCore | 更名公告

三大能力：

能力域	核心内容
① 构建与运行	Harness 配置化创建（零编码）/ 高代码开发 / 存量 Agent 纳管 / 弹性运行底座（沙箱隔离）
② 协作与治理	Team 编排协作（Leader-Worker）/ 任务拆解调度 / 统一身份鉴权 / 全程审计 + HIL
③ 观测与评估	内置接入 AgentLoop 观测 + 评估能力

Leader-Worker 协作模式（原文案例中的形态）：

角色	职责
协调 Agent（Leader）	分派 + 汇总 + 审核各成员结果后统一回复
诊断 Agent（Worker）	调用云上运维数字员工，按手册推进现场诊断
代码 Agent（Worker）	在无影仓库中分析实现，把日志错误对应到代码位置
定时任务（Worker）	按范围调用诊断能力，通过钉钉推送检查结果

案例中的双重角色：既是被运维的系统（Agent 没回复就是要排查的问题），又是运维工具（通过 Team 组织协作）——这就是原文的 "AgentCore for AgentCore"。

5. AgentRun——智能体开发构建平台

一句话：一站式把 Agent 写出来——高代码/低代码/Harness 配置化 + 沙箱即服务。

是什么：AgentRun 是阿里云的一站式智能体开发构建平台，以高代码为核心，支持组件化开发、沙箱即服务、CI/CD 集成，属于 5 大产品中负责"开发阶段"的产品。

注：原文案例中未明确提及 AgentRun（案例里 Agent 已经存在、在被运维，不需要讲"怎么开发"）。

三、整体架构关系图

▼
mermaid
复制代码
flowchart TD
    subgraph USER ["用户层"]
        direction LR
        U1["开发/运维同学"]:::user
        U2["钉钉 / 飞书 / 控制台 / API"]:::user
    end

    subgraph OPS ["运维应用层"]
        direction TB
        subgraph SO ["STAROps"]
            SOM["智能助手 / 长期任务 / 数字员工"]:::app
            SENV["三件套：默认规则+工具接入+领域方法"]:::app
        end
    end

    subgraph AGENT ["Agent 平台层"]
        direction TB
        subgraph AR ["AgentRun（构建）"]
            AR1["高代码 / 低代码 / Harness"]:::agent
        end
        subgraph AC ["AgentCore（运行+协作+治理）"]
            AC1["构建与运行：弹性运行时+沙箱"]:::agent
            AC2["协作与治理：Team编排+身份鉴权+审计"]:::agent
        end
    end

    AL[("<b>AgentLoop</b><br/>观测+评估+优化<br/>横切 Agent 平台层")]:::al

    subgraph BASE ["底座层（横切所有上层）"]
        direction LR
        B1[("<b>UModel</b><br/>业务身份→资源→数据")]:::base
        B2[("<b>统一可观测数据</b><br/>日志/指标/链路/事件/拓扑/变更")]:::base
    end

    SEC["<b>安全治理（全栈横切）</b><br/>RAM 权限 + HIL + 审计 + 加密"]:::sec

    USER ==>|"发起任务"| OPS
    USER ==>|"开发/纳管 Agent"| AGENT
    OPS ==>|"调 Agent"| AGENT
    AGENT ==>|"查关联现场"| B1
    B1 ==>|"基于实体关系"| B2
    AGENT -.->|"采 Trajectory"| AL
    OPS -.->|"采 Trajectory"| AL
    AL -.->|"经验回灌"| OPS
    AL -.->|"经验回灌"| AGENT
    SEC -.->|"横切"| OPS
    SEC -.->|"横切"| AGENT

    classDef user fill:#fde2e2,stroke:#c0392b,stroke-width:2px,color:#000
    classDef app fill:#fef9e7,stroke:#f39c12,stroke-width:2px,color:#000
    classDef agent fill:#e8f4fd,stroke:#2980b9,stroke-width:2px,color:#000
    classDef al fill:#eafaf1,stroke:#27ae60,stroke-width:3px,color:#000
    classDef base fill:#f4ecf7,stroke:#8e44ad,stroke-width:2px,color:#000
    classDef sec fill:#fadbd8,stroke:#c0392b,color:#000

分层说明：

层级	产品	职责
用户层	钉钉/飞书/控制台/API	接入入口
运维应用层	STAROps	承载数字员工 + 三件套，做运维
Agent 平台层	AgentRun + AgentCore	Agent 构建运行 + 协作治理
评估横切层	AgentLoop	采 Trajectory + 评估 + 经验回灌
底座层	UModel + 统一可观测数据	提供关联现场 + 观测数据
横切	安全治理	RAM + HIL + 审计 + 加密

协作的本质：

STAROps 是运维应用——垂直场景，绑定 UModel + 预置运维能力
AgentRun + AgentCore 是通用 Agent 平台——不绑定场景，领域知识由调用方注入
AgentLoop 横切评估——观测 Agent 执行 + 评估 + 经验回灌
UModel 是底座——横切所有上层，提供关联现场
安全治理 全栈横切

四、原文案例用了哪 4 个产品

原文引用	对应产品	案例
"在 STAROps 上搭建 AgentCore 运维数字员工"	STAROps + AgentCore	数字员工承载 + 多 Agent 协作
"通过 UModel 识别业务对象和运行资源"	UModel	业务身份→资源→数据关联
"默认规则、MCP 与 CLI 工具、业务 Skill"	STAROps 三件套	数字员工工作配置
"AgentLoop 用于回看执行过程、评估诊断质量"	AgentLoop	评估 + 修订
"这条路径被组织成一个 AgentCore 运维 Team"	AgentCore	Leader-Worker 多 Agent 协作

（AgentRun 未在原文出现。）

五、延伸阅读

MVP 用到组件的工程级拆解（UModel/STAROps/三件套）：UModel_STAROps_三件套_深入拆解.md
原文案例复原与数据流图：阿里云案例复原与数据流图.md
5 大产品全景分析：凤凰网 - 阿里云 Agent Infra 5 大平台

09- 阿里云Agent Infra 5大产品