AI智能体为何在云根因分析中系统性失败？

大规模云系统的故障会造成重大经济损失，使自动化根因分析（RCA）成为运维稳定的关键。近期工作利用大语言模型（LLM）智能体自动化这一任务，但即便使用能力强的模型，现有系统的检测准确率仍然很低，且当前评估框架只评估最终答案的正确性，不揭示智能体的推理为何失败。本文对基于LLM的RCA智能体进行过程级失败分析。我们在五个LLM模型上完整执行OpenRCA基准，产生1,675次智能体运行，并把观察到的失败归类为跨智能体内推理、智能体间通信和智能体-环境交互的12类陷阱。我们的分析显示，最常见的陷阱——尤其是幻觉式数据解读与不完整探索——在所有模型中持续存在，与能力层级无关，表明这些失败源于共享的智能体架构而非个别模型的局限。受控缓解实验进一步表明，仅靠提示工程无法解决主要陷阱，而丰富智能体间通信协议能把通信相关失败最多降低15个百分点。本工作提出的陷阱分类法与诊断方法为设计更可靠的云RCA自主智能体奠定了基础。