zhuyongxin
de5a5b09d9
Archive pre-refactor interview notes and add current deep-dives on architecture evolution, issue-derived stories, and evidence gates.
2.2 KiB
2.2 KiB
AIOps 查询增强说明
1. 改动是什么
AIOps 在 PAYLOAD_TARGETED 模式下，会从告警 payload 中稳定生成一条推荐知识库检索 query。
参与拼接的非空字段：
alertName service severity description timeRange userRequest
示例：
HighCPUUsage payment-service P1 CPU 使用率超过 80% last_15m
最终会进入 Prompt：
Recommended lookup_knowledge query: ...
2. 为什么重要
AIOps payload 里包含高价值检索词：
- 告警名称。
- 服务名。
- 严重等级。
- 症状描述。
- 时间范围。
- 用户补充请求。
如果完全让 Agent 从长 Prompt 里自己组织检索 query，可能遗漏服务名或告警名。推荐 query 让检索种子更稳定。
3. 设计取舍
这是 Prompt 层 query augmentation，不是隐藏检索。
我没有在 Agent 运行前自动调用 lookup_knowledge，原因是项目强调可追踪性：工具调用应该由 Agent 显式发起，并记录到 tool_invocation。
当前设计：
AIOps payload
-> deterministic recommended retrieval query
-> Agent prompt
-> Agent 显式调用 lookup_knowledge
-> tool_invocation 记录真实检索行为
4. 面试回答
如果被问：AIOps payload 怎么提升 RAG 检索？
我没有把告警 payload 粗暴替换成一个宽泛领域，而是提取 alertName、service、severity、description、timeRange 等高信号字段，拼成推荐的 lookup_knowledge query。
Agent 仍然显式调用工具，所以 trace 仍然能看到真实检索行为，但 query 不再完全依赖模型临场发挥。
如果被问：为什么不自动检索？
自动检索会在 Agent 真正决策前制造一份隐藏证据。
这个项目的重点是可观测 Agent 执行，所以我选择 Prompt 层增强：给 Agent 一个更好的 query seed，但不改变工具调用必须显式可追踪的契约。
5. 后续增强
- 将 recommended query 写入 trace 的结构化字段，便于对比 Agent 实际 query。
- 对 payload 字段加权，例如 alertName/service 权重大于 timeRange。
- 后续接入 Query Transformer 时，保留原始 query、推荐 query、改写 query 三者的可追踪关系。