隨着混合雲和多雲基礎設施規模不斷擴大，數據保護和災難恢復團隊面臨的運維複雜度持續上升。HPE Zerto 與 AWS 合作，構建了一個基於 Amazon Bedrock 的智能體故障排查系統，並將其部署在客户本地環境中，幫助運維人員通過自然語言快速獲取可操作的洞察。Zerto 平台本身提供網絡彈性、災難恢復和持續數據保護能力，在此基礎上，新系統進一步降低數據丟失和停機時間，並支持從勒索軟件事件、宕機和其他中斷中快速恢復。
業務挑戰方面，運維團隊需要持續監控保護健康狀態、驗證 SLA 合規性、解讀告警並排查故障；但這些信息通常分散在日誌、告警、事件和文檔中。新手管理員難以判斷症狀或選擇安全的修復路徑，管理人員也難以快速獲得風險摘要。在宕機或網絡攻擊期間，信息不確定性的代價極高，因此需要一種將複雜韌性數據轉化為可操作答案、且不增加額外運維負擔的解決方案。
系統以 pod 的形式隨 Zerto 產品部署在本地，用户可直接在既有 UI 中通過聊天界面使用。團隊選擇 Amazon Bedrock 主要考慮安全與治理、模型靈活性及運維集成三個方面；同時利用 Amazon Bedrock Guardrails 在推理前後約束內容，確保提示詞與輸出符合企業政策。架構包含 UI 層、智能體層、智能層和可觀測性層：UI 通過 SSE 實時展示排查進展；智能體層由運行在本地的 Strands Agents 框架構建，能夠訪問本地會話歷史、通過本地 MCP 服務器暴露 ZVM API，並通過 Amazon Bedrock Knowledge Bases 獲取公共文檔和 Runbook；智能層由 Inference、Security、Limits and quotas 組成，使用 IAM 角色標籤實現租户級請求標記，並用 CloudWatch、DynamoDB、Lambda 執行配額和成本控制；可觀測性層則將遙測數據發送至 CloudWatch。
從智能體流程看，系統由 Orchestrator 智能體統一調度多個子智能體。Orchestrator 可以直接回答狀態檢查等常規問題，也可以將複雜的日誌排查任務委派給專門的子智能體。每個子智能體擁有獨立上下文、系統提示詞和工具，並使用更強的模型處理推理密集型任務，最終把精簡後的報告返回給父智能體，避免原始日誌污染上下文。ZVM 智能體負責服務崩潰、網絡問題、升級失敗等 ZVM 相關故障；VRA 智能體負責複製延遲、站點間網絡等 Zerto Replication Engine 相關故障。
工程挑戰方面，團隊在模型選擇上先以較強模型完成概念驗證，再通過自動化評估比較速度更快、成本更低的候選模型，最終形成多模型架構。評估機制基於 PyTest 與 Strands Agents Evals SDK，包含基本單輪查詢評估、多輪完整對話評估（使用用户模擬器）和動態測試評估三類；每項測試配備響應、軌跡、延遲和 Token 四個評估器，用於持續監控代理行為、迴歸與改進。團隊強調 Strands Agents 免除了編寫僵化工作流和樣板代碼的負擔，並內置評估與可觀測性，從而可以在整個開發生命週期中更快迭代。另一個重要約束是本地化部署：容災基礎設施往往處於隔離網絡、低延遲或嚴格數據駐留環境，因此智能體運行時完全在 ZVM 設備內運行，只有模型推理和知識庫查詢通過 HTTPS 發送到 AWS。
該系統於 2026 年第二季度發佈。截至發佈後，已有超過 20% 的 HPE Zerto 客户採用並積極使用這一智能體系統。在生產使用中，受支持工作流的支持工單數量下降了 10%，表明 AI 輔助的災備運維正在取得實際成效。該系統的回答基於實時環境數據和可信產品文檔，能夠幫助運維團隊回答操作問題、開展調查、識別可能的根本原因並排定風險優先級，從而提高運營效率並加強恢復就緒度。