可审计的图引导 Kubernetes 事件根本原因分析

仅当根本原因系统报告的收益来自事件证据而不是特定于场景的捷径时，Kubernetes 事件才能得到可靠诊断。我们推出了图遍历代理，这是一种图引导的 RCA 代理，它将 LLM 推理与专用工具相结合。该模型通过类型化的证据图进行推理，而确定性图和工具操作则收集证据、限制搜索并检查提出的结论。我们将操作约束（包括只读证据收集、传播感知诊断、有界执行和独立验证的判决）映射到类型化事件图、LangGraph 遍历状态机和单独的验证阶段。在由一位固定 qwen-plus 法官评分的 ITBench 快照上，经过审核的系统在 23 个场景的公共子集中将同一系统的早期迭代的根本原因实体 F1 从 0.6087 提高到 0.9130。提示级消融将提示调整的增益与移除场景特定提示后仍保留的增益分开：剥离的提示配置在 19 个场景子集上保留 0.6958 F1。幸存的增益集中在 ChaosMesh 场景中，其 真值 根本原因是证据图中已经存在的注入故障对象，因此我们将其报告为基准耦合证据，而不是广泛的跨集群 RCA 证据。轻量级检查，包括同一法官比较、提示级消融、级联源检查和遥测无泄漏测试，将索赔标记为支持、待决或超出范围。我们的工作范围是 ITBench OpenTelemetry 演示快照。实时集群试验作为工程压力测试，但警报状态和跟踪可用性对于受控评分来说不够稳定，因此我们没有做出生产准备或平均修复时间的声明。