从一般代理到 RCA 专家：用于根本原因分析的自我进化工具

使用 大语言模型 (LLM) 进行自动根本原因分析 (RCA) 引起了越来越多的关注。如今，SRE 通常通过以下两种方式之一使用 LLM 实现 RCA 自动化：直接使用通用代理（例如 Codex 或 Claude Code）进行诊断，或者从头开始构建专门的 RCA 代理。随着主流总代理能力的增强和快速迭代，我们的定量研究发现前者现在常常超越后者。然而，其准确性仍然达不到生产需求，而这种差距主要源于智能体一般能力之外的外部适应层，即harness。因此，我们认为基于 LLM 的 RCA 应该专注于这种外部工具，重用现代代理强大的通用功能，而不是从头开始重建代理。这种Harness的一个关键功能是自我进化，从过去的诊断中积累系统特定的经验，以便使用得越多，它就会变得越好。我们推出 OpsHarness，这是一种自我进化的 RCA Harness，可将诊断经验转化为可重复使用的专业知识。其数据平面将分层操作知识与想法卡工具库相结合，而其控制平面则协调设置、诊断、演进和验证。在进化过程中，OpsHarness 会对比成功和失败的轨迹，将其证据转换为原子提案，并仅通过旨在防止过度拟合和回归的双门验证过程才允许更新。在两个公共基准和工业部署中，OpsHarness 实现了 59.0\% 的 top-1 准确率，比裸一般代理提高了 63.4\%，比基线 RCA 代理提高了 4.02$\times$。