随着混合云和多云基础设施规模不断扩大，数据保护和灾难恢复团队面临的运维复杂度持续上升。HPE Zerto 与 AWS 合作，构建了一个基于 Amazon Bedrock 的智能体故障排查系统，并将其部署在客户本地环境中，帮助运维人员通过自然语言快速获取可操作的洞察。Zerto 平台本身提供网络弹性、灾难恢复和持续数据保护能力，在此基础上，新系统进一步降低数据丢失和停机时间，并支持从勒索软件事件、宕机和其他中断中快速恢复。
业务挑战方面，运维团队需要持续监控保护健康状态、验证 SLA 合规性、解读告警并排查故障；但这些信息通常分散在日志、告警、事件和文档中。新手管理员难以判断症状或选择安全的修复路径，管理人员也难以快速获得风险摘要。在宕机或网络攻击期间，信息不确定性的代价极高，因此需要一种将复杂韧性数据转化为可操作答案、且不增加额外运维负担的解决方案。
系统以 pod 的形式随 Zerto 产品部署在本地，用户可直接在既有 UI 中通过聊天界面使用。团队选择 Amazon Bedrock 主要考虑安全与治理、模型灵活性及运维集成三个方面；同时利用 Amazon Bedrock Guardrails 在推理前后约束内容，确保提示词与输出符合企业政策。架构包含 UI 层、智能体层、智能层和可观测性层：UI 通过 SSE 实时展示排查进展；智能体层由运行在本地的 Strands Agents 框架构建，能够访问本地会话历史、通过本地 MCP 服务器暴露 ZVM API，并通过 Amazon Bedrock Knowledge Bases 获取公共文档和 Runbook；智能层由 Inference、Security、Limits and quotas 组成，使用 IAM 角色标签实现租户级请求标记，并用 CloudWatch、DynamoDB、Lambda 执行配额和成本控制；可观测性层则将遥测数据发送至 CloudWatch。
从智能体流程看，系统由 Orchestrator 智能体统一调度多个子智能体。Orchestrator 可以直接回答状态检查等常规问题，也可以将复杂的日志排查任务委派给专门的子智能体。每个子智能体拥有独立上下文、系统提示词和工具，并使用更强的模型处理推理密集型任务，最终把精简后的报告返回给父智能体，避免原始日志污染上下文。ZVM 智能体负责服务崩溃、网络问题、升级失败等 ZVM 相关故障；VRA 智能体负责复制延迟、站点间网络等 Zerto Replication Engine 相关故障。
工程挑战方面，团队在模型选择上先以较强模型完成概念验证，再通过自动化评估比较速度更快、成本更低的候选模型，最终形成多模型架构。评估机制基于 PyTest 与 Strands Agents Evals SDK，包含基本单轮查询评估、多轮完整对话评估（使用用户模拟器）和动态测试评估三类；每项测试配备响应、轨迹、延迟和 Token 四个评估器，用于持续监控代理行为、回归与改进。团队强调 Strands Agents 免除了编写僵化工作流和样板代码的负担，并内置评估与可观测性，从而可以在整个开发生命周期中更快迭代。另一个重要约束是本地化部署：容灾基础设施往往处于隔离网络、低延迟或严格数据驻留环境，因此智能体运行时完全在 ZVM 设备内运行，只有模型推理和知识库查询通过 HTTPS 发送到 AWS。
该系统于 2026 年第二季度发布。截至发布后，已有超过 20% 的 HPE Zerto 客户采用并积极使用这一智能体系统。在生产使用中，受支持工作流的支持工单数量下降了 10%，表明 AI 辅助的灾备运维正在取得实际成效。该系统的回答基于实时环境数据和可信产品文档，能够帮助运维团队回答操作问题、开展调查、识别可能的根本原因并排定风险优先级，从而提高运营效率并加强恢复就绪度。