AI 根因分析从模型推理转向上下文工程 文章

可观测性工程师中有越来越多的人认为，大语言模型的推理能力已经不再是 AI 辅助根因分析的瓶颈。当前更棘手的问题在于决定哪些数据能传入模型的处理流程。对于将大语言模型应用于事件响应的团队而言，他们从实践中得出的一个启示是：投入精力准备上下文信息，其回报可能比追求更强大的模型更为可观。大多数 AI 根因分析（RCA）工作可以分为两大类。基于代理的设计会向模型提供工具，让其自行展开调查，并在推理过程中自主选择要获取哪些遥测数据。确定性设计则会在前期就建立起信号间的关联，并向模型提供一个预先准备好的上下文。Coroot 的工作反映出，业界普遍正朝着第二种范式转变：Dynatrace 的 Davis AI" 也是依赖于确定性的、基于拓扑结构的因果分析，通过遍历实时依赖关系图来精准定位根本原因，而非让大语言模型（LLM）在开放式的代理循环中自由运行。这两种方法的故障表现形式各不相同，这使得难以判断诊断失败是源于推理能力不足，还是源于向模型提供了错误证据的治理框架。可观测性供应商 Coroot 的最新研究试图将这两个变量区分开来。在其原创研究"中，工程师 Nikolay Sivko 将借助大语言模型（LLM）进行根因分析（RCA）的过程拆分为两项任务：对当前呈现的数据进行推理，以及决定哪些数据以何种形式传入模型的“数据采集框架”。他认为，“AI 能否进行根因分析？”这个问题本身就是错误的，因为这两项任务需要分别进行评估。Coroot 的处理流程将信号关联成调查结果，并在不涉及代理循环的情况下，以单一聚焦的上下文形式将这些结果传递给大模型，这样就可以将错误答案归因于模型本身，而非证据缺失。为了验证这一机制，Sivko 构建了一个场景：通过 Chaos Mesh NetworkChaos" 实验在目录服务与其 Postgres 数据库之间注入延迟，从而减慢查询速度并导致前端出现 502 错误。该场景特意包含了一些误导性信号，例如因网络往返时间而被夸大的查询时长。随后，他向十一款模型输入了相同的提示（约 9800 个令牌），要求每款模型分别给出根本原因、因果链以及即时修复方案。前沿专有模型 Claude Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro 均通过了测试，不仅给出了实验名称，还指出需要删除该实验及其定时任务。更大的开放权重模型大多表现不俗。