PagerDuty for AI: How the SRE Agent Triages AI Incidents · PagerDuty · 2026-07-21

PagerDuty Engineering 讨论的是 AI 事故触发后的分诊，而非证明自动修复已经完成。AI 输出相关性下降可能来自 prompt、检索或模型，也可能是上游服务故障；基于 LLM 裁判的告警本身还可能有噪声。

文章以内部 Insights Agent 的工具选择质量下降为例。SRE Agent 通过连接器读取 Arize 监测状态和相关轨迹，检查评估解释中的共同模式，再结合 GitHub 代码变化；团队将既有 runbook 编码成 skill，让 agent 按既定步骤调查。该案例中的结论是存在轻微退化，建议关闭事故并安排后续改进。随后，代码建议 skill 约束修改范围，提出系统 prompt 调整；这些建议仍需针对失败轨迹重放和回归测试。

值得关注的是把 AI 质量信号与传统服务状态放在同一事故上下文，减少把所有低分都当作紧急故障的风险。文章描述了实践案例，没有给出对照实验或事故处理效率的量化结果。自动复查噪声评分、按故障类型路由及进一步自动化是文章提出的后续方向，不应视为已验证能力。