Execution Context
此人工智能集成功能通过分析历史计算指标，生成可执行的资源优化建议，帮助 FinOps 团队优化实例配置。该系统通过关联使用模式和定价模型，识别当前资源分配与实际需求之间的差异。输出结果提供具体的调整建议，例如缩减过大的实例或升级不足的实例，从而直接影响运营支出，同时不影响性能可靠性。
该系统从监控代理接收时序数据，以建立所有受管理计算资源的基准利用率指标。
机器学习模型通过分析峰值使用量与平均使用量之间的差异，以检测持续存在的资源过度分配或资源利用率不足的趋势。
建议是通过将已识别的效率低下的环节与特定的实例系列变更进行对应，从而实现与成本目标的一致。
Operating Checklist
汇总过去三十天内每个实例组的CPU和内存历史指标。
计算高峰时段的利用率百分比，并与日平均使用情况进行对比。
比较当前实例类型与可用的产品系列，以找到最佳的性价比。
生成针对每个已识别机会的具体优化方案，并估算每个方案的每月节省金额。
Integration Surfaces
云监控仪表盘
显示实时利用率热图，并提供历史趋势数据，这些数据可作为分析引擎的输入。
FinOps 成本分析工具
提供生成的资源优化建议，并附带每个实例组的预计节省金额。
变更管理门户
促进审批流程，以便实施推荐的尺寸变更，以确保运营安全。
