服务级别说明（SLA）
P1/P2/P3 分级标准、响应与恢复目标、服务时间、客户义务、排除项与赔偿上限。SLA 只写可测量、可资源化的内容。
SOLUTIONS · OnvergeAi
运维与优化
面向已上线大模型系统的组织，提供巡检、监控、容量、升级、调优与SLA订阅服务：响应与恢复时间写明前提条件，变更先评审后执行，远程运维单独授权，赔偿上限按合同约定。
服务 08 · 运维与优化
巡检、监控、容量、升级、调优与 SLA；可选服务，按服务级别与覆盖范围订阅。
运维的前提是把承诺写清楚：响应时限、服务时间、覆盖范围、排除项、远程授权方式与数据范围。启动顺序是巡检与监控先行（没有可观测性就没有运维），随后按变更控制流程处理升级、扩容与调优。我们只承诺可测量、可资源化的内容：响应时限以工作时间为界，恢复时间以客户配合、原厂供应、网络、云账号与第三方接口可用为前提。服务报告按周期出具，包含可用性、工单、变更与容量趋势，供客户内部汇报与续约决策使用。
服务范围构成
标准服务 0 项 · 可选服务 1 项
排除项 1 项 · 前置条件 1 项
排除项 1 项 · 前置条件 1 项
计价与报价口径
订阅 / 年包
按月/季度订阅或年包，按覆盖范围、等级、实例数与 SLA 估价
按月/季度订阅或年包，按覆盖范围、等级、实例数与 SLA 估价
服务属性
按需选用 · 可选服务
证据等级 C · 复核周期 90 天
证据等级 C · 复核周期 90 天
服务范围（我们做什么）
内容包括：服务级别定义（P1/P2/P3 分级、响应与恢复目标、服务时间、排除项、赔偿上限）；可观测性接入（硬件指标、推理服务指标、应用与网关日志、告警规则与通知渠道）；日常巡检（容量、错误率、时延、存储与备份状态、证书与许可证到期）；工单与变更流程（受理、分级、处置、验证、复盘）；版本与升级管理（依赖、兼容性与回滚预案）；容量与性能优化（并发、批处理、量化、检索与缓存调优）；备份与恢复演练；安全运维（补丁、账号与密钥轮换、日志与审计核查）；周期服务报告与改进建议。
交付内容
- · SLA 与服务级别说明（文档）：分级定义、响应与恢复目标、服务时间、排除项与赔偿上限
- · 监控与告警配置（配置 + 说明）：指标项、阈值、告警规则、通知渠道与值班安排
- · 运维手册与巡检记录（文档 + 记录）：日常巡检项、检查结果、异常与处置记录
- · 工单与变更记录（记录）：受理时间、分级、处置过程、验证结果与复盘结论
- · 周期服务报告（报告）：可用性、工单与变更统计、容量趋势、风险提示与改进建议
- · 备份恢复演练记录（记录）：演练范围、步骤、结果与恢复耗时
前置条件（需要客户提供）
- · 指定运维接口人：客户需指定对接人与升级联系路径，明确授权范围与决策链
- · 远程支持书面授权：明确远程访问方式、时间窗、可执行操作类型与留痕要求
- · 监控接入条件：提供监控采集所需的接口、账号与网络策略，且权限最小化
- · 明确日志与数据范围：运维过程中可接触的数据范围、日志内容与保留期需事先书面约定
- · 明确排除项与前提：机房电力、网络链路、原厂供应与第三方服务不作为服务商可控项
责任边界（我们不承担什么）
运维承诺限于可测量、可资源化的内容。响应与恢复目标以工作时间为界，关键服务如需 7×24 支持须另行签署；恢复时间以客户配合、原厂备件供应、网络与机房条件、云账号与第三方接口可用为前提。服务报告中的可用性数据以监控记录为依据，双方可核验原始数据。任何绝对化承诺（如“零故障”“永不降级”“所有硬件故障当天修复”）均不在本服务范围内。
内容体系
运维服务的六项内容，每项都有可交付、可核验的形式，避免“运维等于随时打电话”。
可观测性体系
硬件与推理服务指标、应用与网关日志、告警阈值与通知渠道、值班与升级路径。
巡检与日常运行
按周期的巡检项：容量、错误率、时延、存储、备份状态、证书与许可证到期、日志与审计核查。
工单与变更管理
受理与分级、处置与验证、复盘与改进；生产变更走申请—评审—执行—验证—回滚流程。
版本与容量管理
版本升级与依赖兼容性评估、回滚预案、容量趋势分析与扩容建议。
周期服务报告
按周期汇总可用性、工单、变更、容量与风险，作为内部汇报与续约决策依据。
事件分级矩阵
SLA 争议多发生在分级口径上。下表把常见情形与响应方式对齐，双方在服务启动前确认。
| 级别 | 典型情形与严重程度 | 响应与处置方式 |
|---|---|---|
| P1 严重 | 服务整体不可用、疑似数据泄露、核心业务中断或关键数据损坏。 | 工作时间远程响应 ≤15 分钟 · 立即启动应急流程 |
| P2 主要 | 主要功能降级：检索异常、输出明显错误率上升、性能显著下降但可继续使用。 | 工作时间远程响应 ≤2 小时 · 当日给出处置方案 |
| P3 一般 | 一般咨询、参数调整、文档与优化建议、非关键功能异常。 | 工作时间响应 ≤1 个工作日 · 排期处理 |
| 计划性变更 | 版本升级、扩容、配置调整、密钥轮换等预安排操作。 | 提前提交变更单 · 约定窗口与回滚点 |
| 第三方依赖事件 | 外部模型接口、云服务、网络或原厂硬件故障导致的影响。 | 协助定位与协调 · 受第三方响应时限约束 |
| 7×24 关键支持 | 对不可中断业务提供的值守与随时响应。 | 另签补充协议 · 单独计价与排班 |
※ 恢复时间目标以客户配合、原厂供应、网络与机房条件为前提；确切时限与赔偿上限在合同与 SLA 文档中约定。
能力底座
运维能力的底座是“看得见、测得准、改得动、退得回”四件事。
指标与日志采集
硬件、推理服务、应用与网关的分层可观测性；指标与日志分离存储，保留期按约定执行。
告警与值班
阈值与趋势双触发、告警降噪与聚合、通知渠道与升级路径，避免告警疲劳。
变更与回滚
变更前评估依赖与影响面，准备回滚点；变更后验证核心功能与性能指标。
性能与容量调优
并发与批处理参数、量化与缓存策略、检索与索引调优，配合业务负载曲线验证效果。
备份与恢复
按对象分层备份，定期演练恢复并记录耗时；明确 RPO/RTO 口径。
安全运维
补丁评估与灰度、账号与密钥轮换、日志与审计核查、异常访问跟踪。
知识转移
把巡检、告警处置与常见故障手册交付客户，降低对单一运维人员的依赖。
工程实现
启动期 2—4 周建立可观测性与流程，之后按周期运行；升级与扩容按变更窗口执行。
- 1
第 1 步：服务级别确认（W1）
与客户确认分级标准、响应与恢复目标、服务时间、客户义务与排除项，形成 SLA 文档。
- 2
第 2 步：授权与账号准备（W1）
按最小权限开通运维账号与远程通道，明确时间窗与操作留痕方式。
- 3
第 3 步：监控接入（W1—W2）
采集硬件、推理服务、应用与网关指标，配置阈值与告警通知，验证告警可达。
- 4
第 4 步：巡检与工单流程（W2—W3）
确定巡检周期与项目、工单受理与分级规则、值班与升级路径，并进行一次模拟演练。
- 5
第 5 步：变更与升级管理（W3—W4）
建立变更单模板与回滚要求，完成一次版本升级或配置变更的完整流程验证。
- 6
第 6 步：容量与优化（持续）
按周期分析容量趋势与性能瓶颈，提出调优与扩容建议并按变更流程执行。
- 7
第 7 步：服务报告与回顾（周期）
出具周期服务报告，与客户评审可用性、工单与变更统计、风险与改进项。
治理保障
运维是长期关系，治理重点在于边界清楚、记录完整、责任可追。
- 承诺可测量
- SLA 中的每个时限都有明确的起算点、服务时间与前提条件，避免口径争议。
- 操作留痕
- 远程与生产操作记录时间、执行人、内容与结果，支持事后回溯与审计。
- 变更受控
- 生产变更必须走申请与评审，紧急变更事后补审；每次变更准备回滚点。
- 权限最小化
- 运维账号按需授予、定期复核、离职或服务终止即回收；不保留共享账号。
- 数据范围受控
- 运维过程中可接触的数据与日志范围事先约定，敏感内容不导出、不留存于服务商环境。
- 报告透明
- 服务报告中的可用性与事件数据以监控记录为准，客户可核验原始数据。
- 退出与交接
- 服务终止时完成账号回收、配置与手册交接、监控与备份移交，并出具交接记录。
解决什么问题
系统上线之后的常见困境：没人看得懂告警、出事找不到人、升级不敢做、故障说不清责任。
- 没有可观测性
- 现状：出问题只能靠用户投诉发现。动作：接入分层指标与日志，配置阈值与趋势告警。
- 告警太多没人看
- 现状：告警风暴导致关键告警被淹没。动作：告警聚合与降噪，分级与升级路径明确。
- 故障响应无时限
- 现状：口头承诺“尽快处理”，无法衡量。动作：SLA 分级写明响应与恢复目标及前提条件。
- 升级不敢动
- 现状：版本长期不升级，安全补丁滞后。动作：变更流程 + 回滚点 + 灰度验证后再全量。
- 性能问题说不清
- 现状：用户抱怨慢，但不知道瓶颈在哪。动作：以指标定位瓶颈（显存、批处理、检索、网络、存储 IO），按数据调优。
- 责任边界扯不清
- 现状：故障后供应商与客户互相推责。动作：SLA 排除项、第三方依赖条款与责任划分提前书面确认。
- 知识集中在个人
- 现状：只有某位工程师知道怎么处理。动作：交付运维手册并培训客户团队，降低单点依赖。
客户价值与优势
运维带来的价值是把“不确定性”换成“可汇报的数字”和“可执行的流程”。
故障响应有据可依
分级、时限、升级路径与留痕齐备，客户内部可以据此考核，不再依赖个人关系推动。
系统状态可见
容量、时延、错误率与存储趋势按周期可见，扩容与优化决策基于数据而非感觉。
变更风险受控
升级与扩容按流程执行并准备回滚，减少因变更引发的生产事故。
成本可预测
按服务级别、覆盖范围与实例数计价，容量建议基于趋势而非超额采购。
合规与审计可支撑
操作留痕、账号复核与日志审计支持内部审计与外部检查。
能力可移交
手册、流程与配置交付客户，具备条件时可转为自运维，不形成长期依赖。
※ 以上为服务内容与边界说明；SLA 承诺以签署的服务级别文档与合同为准，不包含绝对化可用性承诺。