文章正文按原文语言展示。
官方案例中文编译摘要｜转载。 以下内容根据 Anthropic 发布的 Grafana 案例整理，不代表本站测试或独立测评；原始数据、背景和适用条件请以原文为准。
Grafana：让团队用自然语言探索可观测性数据
Grafana Labs 希望让不同技术水平的成员都能查询监控数据。过去，创建复杂仪表盘、编写 PromQL 或 LogQL 查询，需要掌握对应的查询语言；不熟悉这些工具的团队成员，即使知道自己想排查什么，也可能难以把问题转成可执行的查询。
根据 Anthropic 的案例说明，Grafana 将 Claude 接入其 Grafana Assistant，作为嵌入产品界面的多智能体助手。用户可以用自然语言描述排查目标，助手再结合 Grafana 的产品上下文和工作流，协助生成查询、搭建仪表盘，并引导后续分析。
案例中披露的实施方式
- 复杂任务和技术分析主要交给 Claude Sonnet 3.7；较轻量的摘要任务由 Claude Haiku 3 处理。
- 助手可以生成 PromQL、LogQL 查询，降低直接编写查询语句的门槛。
- 团队先从较简单的单轮生成能力，逐步扩展到结合上下文、调用多个动作的多智能体流程。
- Anthropic 页面称，Grafana 在一周内完成原型，并在八周内进入完整的私有预览阶段。
可以借鉴的产品设计
这类助手的重点不是把聊天框放进监控台，而是让模型理解用户所在的数据界面、当前选中的数据源和团队的查询习惯。自然语言负责表达目标，模型负责把目标转为候选查询与操作，用户仍应检查查询范围、过滤条件和结果，再决定是否用于告警或生产排障。
如果要复用这个思路，可以先从只读的查询建议与解释开始，保留 SQL / PromQL / LogQL 的预览和一键复制；确认准确率与权限边界后，再逐步增加受控的仪表盘编辑或自动化操作。涉及生产告警、数据删除或变更的动作，应保留人工确认。
来源与范围
本篇为 Anthropic 官方客户案例的中文编译摘要。案例给出的开发周期和能力描述来自厂商页面，不能视为独立验证或适用于所有团队的交付承诺。