Cato的询问AI代理是什么

概况

Cato的Ask AI是一个生成式人工智能代理，可以让您使用自然语言探索您的Cato账户。 Ask AI会根据各个工具的功能动态选择工具来回答您的问题。 这可以帮助您故障排除、分析和监控您的网络，包括基于账户数据执行根本原因分析。 它可以理解同一会话中的后续问题，并在可用时提供指向相关知识库文章的链接。

询问AI在提供查询回答时也可以访问您账户的相关数据。 这解锁了数百种新的使用案例，帮助您查看有关用户、站点、应用程序和带宽使用的信息。 要获得最准确的结果，请使用英文提问。

有关查询的更多信息，请参见 询问AI - 示例问题。

信息来源

询问AI可以自主确定要使用哪些来源来回答您的问题。 这使通过自然语言提问排除故障、分析性能以及探索使用趋势变得比以往更容易。

询问AI可以从以下信息来源中获取信息：

• 您的账户数据 - 询问AI可以访问您的账户的当前和历史数据。 这包括有关站点、用户、应用程序、带宽使用等方面的查询。

• Cato API - 询问AI可以回答有关Cato API查询和变更的一些问题，并能生成GraphQL查询以演示如何从自然语言提示中使用API。

• Cato的知识库 - 全部文章和信息来自Cato知识库

与您的账户数据相关的问题

询问AI可以根据自然语言提示从您的账户中查询数据。 这使您可以调查账户数据，而无需手动导航到多个页面、应用过滤器或自行构建查询。

您可以询问关于账户实体和遥测的信息，包括站点、用户、应用程序、策略、事件、带宽使用和网络健康状况。 根据请求的范围，询问AI可以返回当前和历史数据。

询问AI进行全球搜索

询问AI帮助您快速找到在不同访问权限策略下已使用的Cato管理应用程序对象或实体的位置。 您可以使用全球搜索评估变更的影响，审查现有访问权限策略的使用情况，避免单独检查每个策略。

询问与 Cato API 相关的问题

询问AI可以回答关于Cato API查询和变异的问题，并且可以生成GraphQL查询，用以说明如何从自然语言提示中使用API。 它提供的信息包括：

• API 查询或变更的示例 GraphQL 脚本

• 脚本的变量

• 必需和可选字段

• 链接到Cato Networks GraphQL API参考，适用于相关查询、变更和类型

注意: 询问AI的结果可能不准确或不完整。 始终在使用查询于生产环境之前验证Cato Networks GraphQL API参考中的语法、参数和逻辑。

询问AI在CMA中

询问AI支持两种互补的方式在Cato管理应用程序(CMA)中与AI进行工作，让您为任务选择合适的体验。

为了深入分析，使用AI工作空间，一个专门的全页面体验，用于探索您的Cato账户。 AI工作空间允许您询问自然语言问题，以便从单独集中页面上理解账户状态、使用量、访问权限策略、和最佳实践。

在浏览CMA时，您还可以与询问AI一起工作，在您查看站点、事件、和访问权限策略时保持AI面板打开。 这种方法支持快速的上下文调查，不会打断您的工作流程。

可以选择对询问AI响应提供反馈，以帮助提高未来答案的准确性、相关性和有用性。

打开AI工作空间

使用AI工作空间页面输入自由文本问题，并从指导问题领域中选择，以帮助您快速开始常见调查。 这些指导选项旨在作为起点，并不会限制您可询问的问题类型。

打开AI工作空间：

• 从导航菜单中选择主页 > AI 工作空间。

  要打开询问AI聊天，请导航到另一个CMA页面。

询问AI在CMA面板中

询问AI面板在作为调查工作流程的一部分时最有效，AI生成的洞察力可以帮助您决定接下来要查看的CMA页面。

询问AI与CMA并排

询问AI面板与CMA一起打开，并在页面之间导航时仍然可用。 这种并排行为减少了上下文切换，并允许您在CMA中查看实时数据时询问跟进问题。

您还可以点击麦克风图标使用语音转文本功能在询问AI中输入查询。

分析询问AI的响应

询问AI可以帮助您调查账户数据，但对于复杂或意外的结果，您可能需要了解它如何解释您的请求。 使用查询详情中的数据来分析响应，并确认询问AI为您的提示生成了正确的查询。

展开查询详情以显示询问AI用于检索数据的JSON查询。 您可以查看时间范围、维度、过滤器、度量、排序逻辑和结果限制。 这有助于您验证询问AI是否理解了您的意图，确定为什么响应返回了特定结果，并排除需要细化的提示。

从查询中可视化数据

可视化数据帮助您更快地识别趋势、比较值和检测异常数据，而不是仅查看原始结果。

询问AI可以将可测量数据的查询结果以图表或图形的形式呈现，例如随时间变化的流量、按使用量排名的顶级应用程序，或在站点、用户或策略间进行比较。 默认情况下，询问AI以表格形式返回这些数据。 然后，您可以提示询问AI将结果可视化为图表或图形。

重新打开先前的聊天

如果您关闭询问 AI 面板并重新开启，将开始一个新对话。 以前的聊天记录可在聊天历史标签页中找到。 前往那里继续之前的对话，重温有用的回答，并在有效的提示基础上进行拓展。

联系支持

如果与询问AI聊天后还有其他问题，请点击聊天窗口中的联系支持来打开工单。 聊天记录会自动包含，因此我们的支持团队可以在提供帮助时获得所需的全部上下文。

询问AI架构

询问AI评估您输入的每个问题，并与托管在AWS上的大型语言模型（LLM）协作，根据知识库文章、Cato API或账户数据查询提供响应。 访问账户数据的所有内容均由在整个CMA适用的相同RBAC权限强制实施。

架构包括这些组件：

• LLM (大型语言模型) - 一种AI模型托管在AWS Bedrock上，理解自然语言问题并帮助确定需要回答的问题信息。 询问AI使用LLM来解释您的问题并生成清晰人类可读的响应。

  LLM没有直接访问账户数据的权限，也不能执行API调用。 在查询执行后，它接收账户的数据。

• 内部MCP服务器 - 一种内部的Cato服务，安全地从CMA中检索账户数据。 

• 账户数据 - 一个数据库，包含您的Cato账户的数据，例如站点、用户、应用程序、流量统计、事件、和使用指标。 访问账户数据始终受您的管理员角色和权限管理。

以下图展示了典型账户数据请求的决策流：

如何运作

1. 输入有关账户的问题 - CMA管理员在询问AI中使用自然语言提出问题，例如询问站点使用情况、用户活动或网络性能。

2. 询问AI解释请求 - 询问AI将问题发送给LLM，以理解需要什么信息以及应该检索哪些CMA数据来回答它。

3. 权限被执行 - 在任何数据被访问之前，RBAC被应用到查询上。 这确保响应仅包括管理员允许查看的数据，根据管理员角色和账户权限。

4. 账户数据被检索 - 内部的MCP服务器查询CMA数据库并检索相关账户数据，例如站点、用户、应用程序或使用指标。

5. 回答被生成 - 询问AI将检索到的数据与原始问题结合，并返回一个清晰的自然语言回答。 如果适用，响应包括链接到相关的知识库文章。