无 LLM Agent 的 Jev 诊断管线：105 次故障诊断通过 76.2%，中位耗时 14.6 秒
tianyin_xu · x · 2026-10-17
SREGym 团队（Yiming Su 等， Tianyin Xu 参与）发布 Jev 驱动的 SRE 故障诊断新博客：
- 思路：前一篇用 Jev 作为 LLM agent 的决策辅助；这篇更进一步，完全不用 LLM agent，由程序化收集器读取 Kubernetes 对象、事件、pod 日志与资源使用，按组件（如 Deployment）归组并总结故障迹象。
- 流程：Jev 基于摘要选择最可疑的检查对象 → 收集器深入该组件整理编号证据 → Jev 判断其是根因、下游受害者还是无关组件，并选出支持性观察 → 管线据此组装诊断报告。
- 结果：在 SREGym-Lite 的 21 类故障上，105 次诊断通过 80 次（76.2%），中位诊断时间仅 14.6 秒。
- 定位：作者认为大量故障排查本质是“顺着面包屑走”的智能图遍历——只需局部视图和快速分支探索即可，不适合 GPS 导航那种需要全局图的场景。博客还复盘了诊断失败的案例。
所属事件:SREGym 推出无 LLM 的 Jev 故障诊断管线(2 条相关)→
「编程与Agent」频道最新
- 自建笔记 AI 问答：语义检索搞不定日期与成员关系查询 — bzarnal · 2026-10-17
- 14B 裁判不比 8B 强：一句提示词修改让评分从 3/14 升到 10/14 — Lost-Masterpiece2400 · 2026-10-17
- 10 个开源仓库教你把小模型训练成自己的 Agent:Unsloth、verl 等一览 — victor_explore · 2026-10-17
- 机器人工程师叫板编码 agent：视觉运动控制系统你们做不了 — AlexTensor · 2026-10-17
- Notion AI 负责人：Agent 大量 GPU 推理该交给 CPU 代码执行 — threepointone · 2026-10-17
- 开发者用 Google Argon 脚本为游戏生成真实 3D 资产与程序化纹理 — Promptmethus · 2026-10-17