在 AI 时代，随着模型和应用侧的快速演化，对于推理过程，成本和性能显得尤为重要，而端到端的 AI 可观测是其中至关重要的一环，阿里云可观测团队实现了从客户端，到 AI Agent，再到模型推理全链路链路端到端打通，通过调用链，指标，Profiling，和评估等多重信息，为 AI 应用的正确性，推理成本和性能提升保驾护航。

日志服务 SLS 近期推出 StoreView 功能，允许将多个 project 下（支持跨域）的 logstore 数据组合成一个虚拟的 logstore 使用，用户可以像使用一个 logstore 那样，使用 StoreView 进行各种查询分析，不再受地域限制，快来体验吧~

可观测近年来已经成为一个关键概念，它不仅仅局限于监控，还包括了日志记录、指标收集、分布式追踪等技术手段，旨在帮助团队更好地理解系统运行状况、快速定位问题以及优化性能。可观测2.0融合 MCP，可以让用户更好地感知系统、分析问题——用自然语言开启与系统的对话！本文将分享6个设计 MCP Server 的亲身实践，帮助大家更好地融合与使用。

PromQL AI 智能体上线。本文将从自然语言生成 PromQL 实践视角，探讨如何构建知识库、与大模型进行交互、最终生成符合需求的 PromQL 语句。本文还介绍了在 MCP 和云监控控制台下使用 AI 智能体的用例。

阿里云可观测官方发布了Observable MCP Server，提供了一系列访问阿里云可观测各产品的工具能力，包含阿里云日志服务SLS、阿里云应用实时监控服务ARMS等，支持用户通过自然语言形式查询SLS 日志信息 和应用实时监控服务 ARMS 的链路数据，以及一些元数据信息。同时任意支持 MCP 协议的智能体助手， 例如Cursor,Cline,Windsurf 以及各类 Agent框架等，企业人员可以更高效率和可靠地使用可观测数据。

阿里云 SLS 全新升级了数据 Pipeline，朝着“多、快、好、省”更进一步：新增写入、消费处理器形态，结合新版数据加工可以适配更多样场景；通过弹性架构支持单作业每天 PB 级数据实时处理；推出 SPL 语言，融合 SQL 函数与管道式编程风格，持续降低 ETL 复杂度；新版加工降价 66%，并通过过滤下推为带宽成本优化提供最佳实践。