ARMS 基于大模型的单链路智能诊断目前能做到什么？有哪些局限？

目前阿里云 ARMS 已经基于 LLM 大模型实现了单链路智能诊断，综合调用链、方法栈、异常堆栈、SQL、指标等多模态数据，结合链路诊断领域专家经验，有效识别单次请求的错慢根因，并给出相应的优化建议。

文章举了一个实际诊断的例子：某次请求报错的根因是 service-coupon-apm3 应用的 /coupon/coupon/member/list 接口内部的 queryMemberCoupons 方法执行了数据库查询，该 SQL 的 WHERE 子句使用了空集合作为 IN 操作符，最终导致语法报错。ARMS Copilot 能直接定位到这个根因。

通过 ARMS Copilot 可以有效提升错慢请求根因诊断效率、降低用户诊断门槛，后续会应用到监控告警根因诊断与影响面分析等更多场景。

不过文章也坦诚指出当前的局限：Copilot 目前仍面临模型调用耗时长、诊断结论输出不够稳定等诸多问题。但随着更多数据、知识和算法的迭代，基于大模型的根因诊断无疑开辟了一条新的智能化之路。