# 在CES监控模型优化任务
#### 功能说明
AgentArts在执行模型优化任务时，系统会记录智能体的执行过程（轨迹），然后根据预设的评分规则，自动给这次的执行结果打分。为便于用户监控这些关键环节的运行状态，AgentArts会将相关指标上报至华为云云监控服务（CES）。本节介绍上报CES的监控指标和告警信息。
#### 命名空间
SYS.AgentArts
#### 监控指标
#### 支持的监控指标
 表1模型优化功能支持的监控指标 
| 指标ID                             | 指标名称          | 指标含义               | 取值范围  | 单位      | 进制   | 维度                               | 监控周期（单位秒） |
|:---|:---|:---|:---|:---|:---|:---|:---|
| agent_invoke_error_count        | 智能体调用失败次数   | 当前模型优化任务智能体调用失败次数   | ≥0    | count | 1 | agentarts_model_tuning_task_id  | 300       |
| acquire_agent_trace_error_count  | 获取智能体轨迹失败次数 | 当前模型优化任务获取智能体轨迹失败次数 | ≥0 | count  | 1 | agentarts_model_tuning_task_id   | 300     |
| execute_reward_code_error_count | 执行代码奖励计算失败次数    | 当前模型优化任务执行代码奖励计算失败次数  | ≥0    | count   | 1   | agentarts_model_tuning_task_id   | 300        |
| step_train_reward_value            | 步骤训练奖励值        | 当前模型优化任务步骤训练阶段的奖励值  | ≥0   | -     | 1    | agentarts_model_tuning_task_id   | 300        |
| step_eval_reward_value           | 步骤验证奖励值       | 当前模型优化任务步骤验证阶段的奖励值   | ≥0   | -        | 1     | agentarts_model_tuning_task_id     | 300       |
| step_time_consumption           | 步骤耗时           | 当前模型优化任务步骤的耗时         | ≥0 | s        | 1    | agentarts_model_tuning_task_id | 300       |
   
#### 查看监控指标
1. 登录云监控服务（CES）[控制台](https://console.huaweicloud.com/ces/?#/monitor/overview)。
2. 左侧导航栏选择"云监控服务"，并在服务列表中选择"AgentArts"服务。 
   注意，如果超过一定时长(大于3小时)未上报监控数据，将不会展示在服务列表中。
   图1选择监控服务   
   ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002779773393.png "点击放大")
   
   
3. 进入"模型优化任务"维度。 
   图2选择指标查看维度   
   ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002779773391.png "点击放大")
   
   
4. 选择任务实例，查看监控指标。
 
#### 告警配置
#### 默认告警模板
AgentArts 服务已预置默认告警模板"AgentArts服务默认告警模板（模型优化任务）"，包含以下告警策略，用户可直接基于模板创建告警规则：
表2告警模板说明 
| 监控指标                                          | 触发条件      | 持续周期    | 告警级别 | 抑制策略       |
|:---|:---|:---|:---|:---|
| agent_invoke_error_count（智能体调用失败次数）           | 原始值 \> 1   | 连续 3 个周期 | 重要  | 每小时告警一次 |
| acquire_agent_trace_error_count（获取智能体轨迹失败次数）   | 原始值 \> 1   | 连续 3 个周期  | 重要    | 每小时告警一次  |
| execute_reward_code_error_count（执行代码奖励计算失败次数） | 原始值 \> 1 | 连续 3 个周期  | 重要  | 每小时告警一次  |
   
#### 创建告警规则
1. 登录云监控服务（CES）[控制台](https://console.huaweicloud.com/ces/?#/monitor/overview)。
2. 在左侧导航栏中选择"告警 \> 规则配置"，在规则配置页面单击"创建告警规则"。 
   图3创建告警规则   
   ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002750174494.png "点击放大")
   
   
3. 参考下表配置告警规则。 
   表3告警规则说明 
   | 参数           | 配置说明                                                                                                                                                                                                                    |
   |:---|:---|
   | 名称           | 设置告警规则的名称。                                                                                                                                                                                                             |
   | 告警类型        | 选择"指标"。                                                                                                                                                                                                                 |
   | 云产品          | 选择"AgentArts"。                                                                                                                                                                                                        |
   | 资源层级          | 选择"云产品"。 也可选择"子维度"，当前模型优化任务支持的维度请参考[表1]的维度列。                                                                                                |
   | 监控范围        | 选择"全部资源"。 也可以通过指定资源，选择具体的模型优化任务；或者通过设置资源分组，将多个模型优化任务放在分组中，统一监控。                                                                                                                      |
   | 告警策略         | 选择使用模板：AgentArts服务默认告警模板（模型优化任务） 推荐使用模板，或在模板基础上修改告警策略。 ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002779773635.png "点击放大") |
   | 发送通知      | 开启发送通知。支持通过短信、邮件、语音通知等方式进行通知。                                                                                                                                                                                          |
   | 高级配置-归属企业项目 | 选择"default"。                                                                                                                                                                                                            |
      
   
   
4. 配置完成后，单击"立即创建"。
 
#### 告警参数说明
表4告警参数说明 
| 参数      | 说明                    |
|:---|:---|
| 阈值       | 触发告警的指标值，如智能体调用失败次数 \> 1 |
| 持续周期   | 连续多少个上报周期（5 分钟）满足条件才告警   |
| 告警级别 | 紧急 / 重要 / 次要 / 提示       |
| 抑制策略 | 同一告警多久发送一次通知（如每小时）     |
   
#### 告警处理指导
**告警：智能体调用失败次数（agent_invoke_error_count）**
- **告警含义**：模型优化任务的智能体调用连续失败次数超过阈值（\>1 持续 3 个周期），任务可能无法正常完成训练。
- **可能影响**：训练质量下降，任务可能因智能体调用异常而失败或卡住。
- **处理步骤** ：
  1. 登录AgentArts控制台，进入模型优化任务列表，定位告警对应的任务。
  
  2. 查看任务运行日志，定位智能体调用失败的报错信息（如Agent服务异常、参数错误、依赖服务不可用）。
  
  3. 根据报错原因修复：如调整任务参数、恢复依赖服务、更换Agent配置。
  
  4. 如无法快速修复，可停止任务避免继续产生失败，修复后重新发起优化任务。
   
**告警：获取智能体轨迹失败次数（acquire_agent_trace_error_count）**
- **告警含义**：任务获取智能体运行轨迹连续失败超过阈值，训练依赖轨迹数据无法正常获取。
- **可能影响**：奖励计算和训练推进受阻，任务可能停滞或失败。
- **处理步骤** ：
  1. 定位告警对应任务，查看轨迹获取相关日志。
  
  2. 排查轨迹数据源（AgentArts观测功能）是否正常、会话信息是否有效。
  
  3. 确认轨迹查询参数（会话ID、时间范围）是否正确；
  
  4. 修复后观察下一周期告警是否恢复；持续异常可停止任务排查。
   
**告警：执行代码奖励计算失败次数（execute_reward_code_error_count）**
- **告警含义**：任务执行奖励计算代码连续失败超过阈值，奖励值无法正常产出。
- **可能影响**：训练无法获取有效奖励信号，模型优化效果受影响甚至失败。
- **处理步骤** ：
  1. 定位告警对应任务，查看奖励计算执行日志。
  
  2. 排查奖励函数代码是否存在异常（如运行报错、依赖库缺失、入参格式不符）。
  
  3. 修复奖励函数代码或调整配置，重新验证奖励计算。