论文
GALA：用于微服务中根本原因分析和事件响应的图形增强 LLM 代理
GALA: Graph-Augmented LLM Agents for Root Cause Analysis and Incident Response in Microservices
摘要
微服务根本原因分析 (RCA) 需要在复杂的服务依赖关系图中跨异构遥测关联故障。现有方法通常依赖于单一遥测模式；最近基于 LLM 的方法可能会受到无约束的探索和幻觉的影响；大多数系统会停止在故障排名上，而不会产生可操作的事件响应。我们提出了 GALA+，这是一个以图引导调查为中心的图增强 LLM 代理框架，它使用服务依赖关系通过本地化多模态证据来限制探索和完善诊断。对于初始假设生成，GALA+ 将互补遥测信号与 STRIX（一种新颖的跟踪和图形结构感知评分模块）相结合。然后，GALA+ 会生成排名诊断、事件摘要和分层行动建议。我们进一步介绍了 SURE-Score，这是一个与行业 SRE 专家共同开发的人工指导评估框架，用于评估超出传统文本相似性指标的 RCA 特定输出质量。在两个微服务基准测试中，GALA+ 始终取得了最强的整体结果，在 AC@1 中超过了基于 LLM 的最佳基准超过 25 个百分点，同时还获得了 SURE-Score 和独立人类 SRE 评估的最高评级。