AI 生产故障排查
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Cleric 定位为“AI SRE teammate”，面向生产系统运维与工程团队。它在告警触发后自动读取日志、指标、追踪、云资源状态、Kubernetes 状态、历史事件和内部文档，像资深 SRE 一样形成假设、测试假设，并把根因、证据、置信度和下一步建议直接发送到 Slack。其核心卖点不是通用聊天，而是围绕生产事故调查构建 operational memory，让团队已解决的问题可被复用。
产品覆盖告警调查、On-call 自动化、根因分析、事件分流、修复建议和部署失败调试。它可自动构建实时系统映射，识别服务、依赖和 owner，并用推理树展示诊断路径，便于工程师验证结论。集成方面，正文提到 Slack、PagerDuty、Alertmanager、Datadog、Prometheus、CloudWatch、Sentry、OpenSearch、Kubernetes API、AWS/GCP/Azure、Confluence、Notion、Drive 等，适合已有可观测性和云原生体系的团队。
页面有 Pricing、ROI Calculator 和 Book a demo，但未公开价格、套餐、免费额度或试用信息，采购需要进一步联系销售。安全方面，Cleric 强调默认只读、通过 API 集成而非代理、每个动作记录且调查可审计，并声明 SOC 2 Type II、定期人工渗透测试、数据加密、数据不用于训练。这些表述对企业采购友好，但具体部署边界和数据出域细节仍需在评估中确认。
优势是场景聚焦、输出带证据和置信度、能减少工具切换与告警噪音，并沉淀历史排障经验。局限是未披露底层模型和独立评测方法，效果高度依赖日志/指标/追踪质量；主要协作场景集中在 Slack，未说明飞书、企业微信、钉钉等支持。它更适合中大型 SaaS、云原生、微服务和 Kubernetes 团队，尤其是有 On-call 压力和 MTTR 目标的 SRE/平台工程组织。
中国大陆访问、支付方式和本地支持信息正文未披露，china_access 只能判定为未知。若团队在国内协作生态中运行，需重点验证网络连通性、数据合规、支付合同、Slack 可用性及替代集成。可对比 Datadog、PagerDuty、New Relic、Grafana、Sentry、Dynatrace、Splunk Observability 以及云厂商原生可观测性方案。
本测评基于公开资料整理,不构成购买建议,请以 cleric.ai 官网实际信息为准。
AI SRE 自动调查告警、根因分析，适合工程团队。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。