Kubernetes Troubleshooting with AI
Kubernetes Troubleshooting with AI
一句話摘要：Resolve.ai 提出 agentic AI 當「24/7 Kubernetes 專家」— 用 knowledge graph 把 pod / node / service 關係串起來，自動跑 hypothesis testing 找 root cause，解決 K8s 三大痛點：alert fatigue、ephemeral context loss、observability fragmentation。
核心論點（150-200 字繁中）
Kubernetes（K8s，容器編排平台）的 troubleshooting 出了名地痛苦，原因有三：(1) Alert fatigue（警報疲勞）— 平台會自動產生大量會自我恢復的雜訊 alert，把真正關鍵問題淹沒；(2) Ephemeral context loss（短暫上下文流失）— container 一 crash 重啟，裡面的診斷資訊（log、stack trace）就消失了；(3) Observability fragmentation（觀測資料碎片化）— 同一事件的證據散在 logs、metrics、events、kubectl describe 各處，工程師要在多個 dashboard 與 CLI 之間來回切換手動串連。Resolve.ai 的解法是部署一個 AI Production Engineer agent，做三件事：(a) 建 knowledge graph（知識圖譜）把 pod、node、service、deployment 的關係模型化，看出 systemic pattern；(b) intelligent filtering 過濾雜訊只保留相關訊號；(c) automated investigation workflow 自動跑假設驗證與 root cause analysis。整個 workflow 從「人類盯 dashboard」轉成「AI 給結論、人類審核」。
關鍵概念
- Kubernetes（K8s，容器編排） — 自動化部署、擴展、管理 containerized application 的開源平台；類似醫院的「自動化護理排班系統」管理大量病床（containers）。
- Pod — K8s 最小部署單位，內含一或多個 container；類似一張病床（可住一或多個相關病人）。
- Container Orchestration（容器編排） — 自動處理 container 的部署、擴縮容、健康檢查、failover。
- Knowledge Graph（知識圖譜） — 把系統中各元件（pod / service / node）的關係建成圖結構，方便推理「A 壞了會影響哪些 B」。
- Ephemeral Context（短暫上下文） — container 生命週期短、重啟後狀態消失的特性。
- Hypothesis Testing Workflow（假設驗證流程） — agent 提出多個 root cause 候選，逐一驗證證據後排序。
對 CS146S 的意義
K8s troubleshooting 是 LLM agent 在 SRE 場景的最佳 use case — 它需要 multi-source data fusion、systematic reasoning、tool use（kubectl, prometheus query），都是 LLM agent 強項。展示了 agent 不是取代工程師，而是把 manual investigation 自動化到「給結論、人類確認」的層級。
對 Vibe Coder 的 Takeaway
如果你的 side project 還沒大到要用 K8s，別被嚇到 — 大部分 vibe coding 用 Vercel / Render / Fly.io 就夠。但要學的概念是：當系統複雜到單一 dashboard 看不完，就需要 AI agent 來做第一輪 triage。寫程式時把每個元件的依賴明確寫出來（compose.yaml、infra-as-code），未來才好 debug。