TReNDS automatiseert root-cause-analyse met Amazon Bedrock
Amazon/AWS
Anthropic
Amazon Web Services
TReNDS, een neuroimaging-onderzoekscentrum, heeft een geautomatiseerd systeem gebouwd met Amazon Bedrock en de Strands Agents SDK om productiefouten te onderzoeken. Het detecteert fouten in CloudWatch-logboeken, haalt context en broncode op, en levert de root-cause-analyse aan het team via SNS, waardoor de onderzoekstijd wordt teruggebracht van 15-30 minuten naar minder dan 60 seconden.
TReNDS (Center for Translational Research in Neuroimaging and Data Science) maakt sinds 2019 gebruik van AWS, met applicaties op Amazon EKS en logs in CloudWatch via FluentBit. Ze hebben een architectuur gebouwd die root-cause-analyse automatiseert: CloudWatch-subscriptionfilters triggeren een Lambda-functie op foutpatronen, de Lambda voert een Strands Agent uit die wordt aangedreven door Amazon Bedrock (met Anthropic Claude Sonnet als primair model), dat aanvullende logcontext en broncode van GitHub ophaalt, de fout analyseert en gestructureerde analyse publiceert naar SNS voor e-mail- en Slack-levering. Het systeem verkortte de onderzoekstijd van 15-30 minuten tot minder dan 60 seconden, met minimale Bedrock-inferentiekosten (2-3 tool-use-rondes per fout). Ze testten Claude Sonnet, Haiku, Opus en Amazon Nova Pro/Lite, en kozen Sonnet vanwege de nauwkeurigheid. Deduplicatie via DynamoDB voorkomt herhaalde analyses voor vergelijkbare fouten.
Bron: AWS ML blog —
origineel