MetaKube：用于 Kubernetes 故障诊断的体验感知 LLM 框架

现有的基于 LLM 的 Kubernetes 诊断系统无法从操作经验中学习，无法在静态知识库上操作，而无法从过去的解决方案中进行改进。我们通过三项协同创新推出了 MetaKube，一种体验感知的 LLM 框架：(1) 情景模式记忆网络 (EPMN)，它从历史分辨率中抽象出诊断模式，并为快速模式匹配和引导因果探索提供置信校准检索；(2) 元认知控制器，根据问题熟悉程度在直观路径和分析路径之间动态路由，优化速度和深度之间的权衡；(3) KubeLLM，一个可本地部署的 8B 模型，通过特定领域的 后训练 在我们的 7,000 个样本 Kubernetes 故障解决数据集上进行了增强。对 1,873 个真实场景的评估表明，MetaKube 将 Qwen3-8B 从 50.9 分提升到 90.5 分，接近 GPT-4.1 性能，同时确保完整的数据隐私。 EPMN 通过体验式学习贡献了 15.3% 的改进，持续学习实验显示出随着系统积累操作知识而取得的进步。源代码和相关资源可在 https://github.com/MetaKube-LLM-for-Kubernetes-Diagnosis/MetaKube 获取。