调查对象是可修订的假设
PagerDuty 将 SRE agent 的困难定位在持续事故调查：初始告警到来时，决定性证据可能还不存在，故障组件也未必是报警组件。SRE Workbench 让人和 agent 共享时间线、日志、部署、依赖及笔记。Deep Investigation 先定位组件，再解释组件内部出了什么问题，同时保留多个候选原因。
每条证据要把具体主张连回日志行、指标、部署事件或对话，并区分直接与间接证据。缺失必需配置能直接支持故障机制，同一时间的错误尖峰只能提示调查方向。文章描述早期 agent 曾将伴随症状误当原因，因此也保留被排除假设及反证。新遥测和人工引导到来后继续修订，而非首次回答后结束。
用源码事实构造可查询拓扑
拓扑用于从告警服务向上游找候选原因、向下游找影响范围。采集器解析源码、部署配置和基础设施定义，将调用 host、读数据库、发布 queue 等记录为带文件行号的事实。中央引擎跨仓库连接环境变量、Helm 值和 Terraform 输出，解决单仓库内不可见的引用。
大部分图构建不需要 agent 在线生成。AI 在离线阶段识别无法解析的新框架习惯，提出可复用提取规则；已有规则再确定性运行。这把“让模型画架构图”变成可追查的事实连接。事件共现提供另一种影响范围信号，但两个服务同时告警可能只是共享外部原因，不能直接当依赖边。
评测如何改变架构选择
团队既回放历史事故，也在私有 EKS 微服务系统注入配置、代码、数据和运维故障，入口包括 Helm、Chaos Mesh、PR 与 AWS 控制面。最新报告包含 17 场景，三家提供方的模型裁判按预设标准评根因、定位、缓解、误导和延迟。早期复杂多 agent 设计在部分事故上慢、贵且只居中游；重构后报告诊断分数约提高 20 点。
这仍是厂商自建自评，不能据此认定跨产品胜负。历史回放可能泄露事后知识，也不完整；现场基准尚无法重现人工输入带来的价值。我的理解是，可迁移贡献在于把架构拓扑当成待检验选择，把诊断证据和假设修订保存在持续调查对象中。可核查的反证与误导指标，比单次看似合理的根因回答更接近值班需求。
来源：原始工程文章