可观测性的未来不会是单一专利AI代理，而是由团队构建的数千个代理

当前，许多可观测性供应商押注于一个统一的SRE代理，希望将其集成到一个平台中，使其能够理解遥测数据、回答问题并修复生产问题。然而，这种愿景过于狭窄。现实中的调试工作因团队而异：数据库团队、前端团队、支付团队和基础设施团队处理问题的方式截然不同。因此，可观测性的未来不是单一的专属代理，而是由各个团队构建的数千个专门代理。

随着AI模型不断进步，代理正成为可观测性的新界面。人类→代理→数据的模式将取代传统的人类→仪表盘→数据。工程师不再直接查看图表或编写查询，而是由代理自动进行查询、总结和假设生成。DoorDash的Anil K指出，工程师在Slack频道中分享的不再是日志链接，而是AI调查的片段。

代理的引入改变了可观测性工作负载的性质。人类调查者通常只能比较两三个时间窗口，而代理可以同时比较二十个，并同时探索数十个假设。这导致对底层系统的查询量大幅增加，要求API层和存储系统能够应对这种非线性模式。此外，代理的推理能力依赖于数据的完整性和保真度。如果历史数据被丢弃或严重采样，代理将无法像经验丰富的工程师那样凭直觉弥补。

目前，许多公司投资于“通用SRE代理”的设想。虽然这能降低可观测性的使用门槛，但调试的难点在于上下文。调查的下一步不仅取决于平台内的遥测数据，还取决于团队的运营方式、信任的信号、之前的故障记录、内部文档、Slack线程等。这些上下文分散在多个地方，且每个组织、每个团队都不同。例如，RingCentral的AI负责人Sushant Hiray提到，公司有大量隐性知识未记录，代理缺乏数据时会生成幻觉。

因此，可观测性更可能演变为一个生态系统，包含针对基础设施、数据库、安全、支付等不同领域的专门代理，每个代理都基于组织的运行手册、文档和业务逻辑。这种未来依赖于开放性——不仅仅是开源，而是让团队自由选择每个层次的工具，包括模型、工具链、工作流和接口。代理应该适配现有系统，而非强迫系统适应供应商。

即使在团队构建自己的代理后，合作问题依然存在。调查结果不应停留在私有的聊天会话中，而需要持久的、可审查的工件，记录查询、证据和结论。这些工件不仅供人类使用，也能让未来的代理从之前的调查中学习。因此，需要一种持久的调查表面，让人类和代理协作共享、审查和改进调查。

最终，人类仍将处于控制平面。代理可以高效收集证据、探索假设，但缺乏判断业务优先级、权衡风险和做出决策的能力。尽管未来可能出现代理间的协作，但当前人类的判断仍是关键。