15
已检测到的事件模式
24
24/7 监控的 Agents
90d
自我学习周期
0
未经批准的自动部署
自我修复循环
从事件检测到人工批准补丁的五个阶段——除最终批准外，全程自动化。
阶段 1 共5个
检测
Watchdog 通过持续实时心跳监控 24 个 Agents
检测
分类
检索
提议
批准
事件智能
15 种模式。零意外。
每种模式都源于真实的生产事件。系统能即时识别它们——因为它早已“见多识广”。
高
deployment-killed-batch
实时任务中的更新中断了进行中的工作
高
missing-dependency
更新后所需组件未能加载
高
broken-data-write
Agent 以错误格式写入数据
高
auth-handshake-order
计划任务被安全检查错误地阻止
高
cold-start-timeout
重启缓慢导致任务超出时间限制
高
memory-limit-exceeded
Agent 在任务中途内存不足，留下部分数据
中
kill-switch-stub
暂停开关显示“已暂停”但更改未保存
中
wrong-data-reference
结构更新后数据引用过时
中
schema-version-mismatch
较旧的 Agent 读取较新的数据，字段不匹配
中
message-retry-failure
消息反复失败并被搁置以待审查
中
cross-origin-block
请求因缺少安全标头而被阻止
中
auth-token-expired
安全令牌在长时间任务中途过期
中
rate-limit-cascade
使用限制导致 Agents 之间出现级联重试
中
search-index-missing
复杂搜索失败，因为索引尚未准备好
中
config-secret-missing
扩展到新区域后缺少所需设置
自我学习修复引擎
每次修复都将成为
未来的知识积累。
每一个已修复的问题都会转化为可搜索的知识。当新的事件发生时，引擎会检索最相关的历史修复方案——按相关性、时效性和置信度进行排名。
1
服务范围筛选
仅检索受影响服务的修复方案
2
架构版本筛选
v3.x 修复方案权重 1.0×，v2.x 权重 0.5×，v1.x 排除
3
置信度衰减
超过 180 天的修复方案得分 0.75×，超过 365 天的得分 0.5×
4
前 3 名排名结果
最终排名基于综合得分，校准置信度 0–100%
知识修复 · 块 FIX-S26-3
id: "FIX-S26-3"
title: "实验 Agent 在 x-command 上降级"
patternType: "错误集合"
riskLevel: "中"
date: "2026-05-29"
architectureVersion: "v3.0"
confidenceScore: 87
isRepeatedFailure: false
keywords: ["agent_heartbeats", "lastPing", "DEGRADED"]
12ms 内检索 · 得分：87/100
自我学习引擎
每一次结果。
都在累积智能。
系统会跟踪 90 天内的结果，将成功的模式提取到 Campaign DNA 中，并将失败的模式列入 Anti-DNA——确保每次营销活动都比上次更智能。
90 天结果窗口
跟踪每一个 Lead、邮件、电话、会议和收入事件。系统学习在整个销售周期中哪些因素真正促成转化。
营销活动 DNA
从实际测量结果而非猜测中提炼出成功的开场白、优惠、异议处理、语气和电话时间窗口。
反 DNA
失败的模式同样被保留。系统学习哪些不该做，从而防止代价高昂的倒退。
威尔逊得分赌博算法
实验采用 Wilson 得分置信区间——动态地将流量转向优胜者，而非简单的 50/50 分配。
全球学习边界
您的数据绝不会用于训练其他租户。只有去识别化的聚合信号才会向上流动——企业信任得到保护。
无自主优化
未经人工批准，系统无法自行修改其框架、重写 Agent 提示或部署逻辑更改。
学习循环
销售线索
邮件
回复
电话
会议
收入
intelligence_events
增长智能
营销活动 DNA
全面应用
人工治理
并非黑箱操作。
您始终掌控全局。
影响越大，所需批准级别越高。未经人工批准，Swashi 绝不会自主部署、合并或修改任何内容。
操作类型权限原因
内容生成自动风险低，可逆转
外展发送可选批准受数量限制
语音销售操作需要批准高意向互动
部署 / 补丁需要批准生产环境中不可逆
定价 / 优惠更改需要批准影响收入