SREAgent 智能体架构决策报告（ADR）

0. 决策范围与继承关系 #

本 ADR 决定：诊断研判环节中 LLM 智能体的组织方式，即是否采用单主控、何时拆分专家、如何设置核验者，以及它们之间的委派与协作规则。

本 ADR 不决定、直接继承 v1.7：

核心区分：执行域、身份、处理环境的隔离由服务端强制落实，不等于新增 LLM 智能体。只有当某项任务确实需要独立推理时，才增加 LLM 实例；数据需要独立处理环境时，先在隔离域内落实处理环境与工具（v1.7 §0.1 第 1、8 条，§1.3 评审判据“把这个域的 LLM 换成一张规则表，会损失什么”）。

1. 结论 #

SREAgent 的诊断研判采用“分阶段演进”：按星型多智能体接口设计，首期以单个“事故主控”智能体运行；模型研判与确定性执行分离；专家只在满足 §4 的条件时拆出。

1. 候选方案与选择理由：模块化单智能体（按技能包和工具分组，不拆实例）可以长期成立，是本 ADR 保留的候选方案。本 ADR 选择“预留接口、分阶段演进”，依据是本组织的路线图：诊断之后还会接入处置、变更风险、复盘等多项职能，并有多个技术域团队参与。预留接口后，未来拆分时无需重构证据与委派契约。这是本组织内的权衡，不是外部来源的直接结论。
2. 不一步到位做多智能体：多智能体会增加协调成本、token 用量和失败模式（见 §7 Anthropic、Cemri 等）；根因分析又高度依赖共享上下文。
3. 可持续演进靠稳定的接口，不靠智能体数量：§3 列出的边界第一天就要固化，它们是后续拆分不必推倒重来的前提。

2. 目标架构 #

flowchart TB
    ALERT["告警 / 工单 / 人工提问"]
    LEGACY["现有告警、工单与人工处置链<br/>（不经过智能体，智能体故障不影响）"]

    subgraph Orchestration["程序控制"]
        SM[("事故状态机")]
    end

    subgraph Reasoning["诊断研判（LLM，不持有生产变更权限）"]
        IC["事故主控智能体"]
        EXP["领域专家（按 §4 拆出）"]
        SUB["取证 / 上下文隔离子智能体<br/>（v1.7 §1.3，只回传证据）"]
        VER["独立复核（P2 交付，建议模式）<br/>核验者角色按 §4.4 增设"]
    end

    subgraph Evidence["证据与工具层"]
        TOOLS["工具 / 连接器层<br/>经能力网关逐次判定有效权限"]
        EC[("证据对象与结论对象<br/>v1.7 §7.3")]
        AUD[("审计与回放存储<br/>按数据域隔离")]
    end

    subgraph Exec["确定性执行平面（v1.7 §3.5、§7.8）"]
        GW["统一逻辑策略入口<br/>（能力网关）"]
        EX["分离执行器<br/>L1 取证 · L2/L3 工作流"]
    end

    ALERT --> SM
    ALERT --> LEGACY
    SM --> IC
    IC -->|委派：任务 ID、上下文版本、<br/>授权范围、预算、截止时间| EXP
    EXP -->|结果：证据对象及状态| IC
    IC -->|调度| SUB
    SUB --> TOOLS
    IC --> TOOLS
    EXP --> TOOLS
    TOOLS --> EC
    VER -->|独立读取授权证据| EC
    VER -->|核验结果| IC
    EC --> AUD
    IC -->|动作请求：L1 取证 / 处置意图| GW
    EXP -->|动作请求：L1 取证| GW
    GW --> EX
    EX -->|执行侧按审批目标核实后的状态<br/>仅供研判| IC
    EX -->|L1 取证证据对象（受控引用）| EC

协作规则：

1. 星型拓扑：专家只经主控通信，禁止专家之间直接调用或递归派生。主控或专家在本域内调度 §4.1 所述的取证与上下文隔离子智能体，不属于递归派生，因为这类子智能体不再向下委派，也不做研判。这条规则只约束内部专家；远端自治智能体的协作（A2A）另行决策（v1.7 §0.1 第 6、10 条）。
2. 委派最小约束：每次委派至少绑定任务标识、上下文版本、授权范围、预算与截止时间。内部委派的任务标识与契约字段见 v1.7 §7.1、§7.11（本 ADR 制定时的基线 v1.6 尚未定义）；取消、迟到结果、重启恢复和部分失败的处理细则，纳入 v1.7 §9.1 P0-A 契约评审范围，本 ADR 不展开。
3. 降级：专家或子智能体超时、失败不阻断主控。主控基于已到达的证据输出结论，标明缺失的证据域；此时结论不得认定为“已确认根因”，由此提出的处置建议须经人工复核。
4. 专家无状态：专家不持久化独立的事故状态；事故状态只由程序状态机维护。
5. 版本基线：主控与专家在同一会话内使用同一份会话版本清单（模型、提示、Skill、工具、策略等，v1.7 §7.2）；版本组合须经回放验证后才能上线。

3. 第一天必须固化的边界 #

不可信输入：日志、工单、检索结果和工具输出一律视为不可信证据，其中的指令不能扩大工具权限，也不能改变动作参数。生产接入前按 v1.7 §9.1 完成基础提示注入测试。

4. 划分规则 #

4.1 划分维度 #

以下规则只针对 LLM 研判智能体的拆分。执行域、身份和处理环境的隔离按 v1.7 §1.2–1.3 强制落实，与本节无关。

与 v1.7 §1.3 诊断子智能体的对应关系：v1.7 §1.3 规定诊断智能体内部保留单一证据合并者，并可调度三类只读子智能体。它们在本 ADR 中的定位如下：

取证、上下文隔离与独立复核（建议模式）子智能体不计入 §5 的角色预算，但纳入 §5 的资产、权限、评测与费用治理。

4.2 强制隔离（第一天落实） #

当书面的数据处理要求或威胁模型证明某些数据不得进入同一模型上下文、需要独立处理环境时（v1.7 §1.2 因子 2、§10.1），在基线阶段就于隔离域内落实处理环境。域内研判确实需要 LLM 推理的，设立独立的研判专家；否则由隔离域内的确定性工具只返回允许共享的结果。两种形态都须满足：

1. 引用不等于授权：原始证据引用 ID 不构成访问授权，每次解读引用都由服务端鉴权；隔离域只向主控和核验者返回允许共享的结果。
2. 全链路隔离：审计库和回放环境遵守同一数据域要求，不得重新汇聚禁止混合的数据（v1.7 §8.3、§10.1）。
3. 允许证据不足：证据无法跨域共享时，结论允许为 insufficient_evidence，不得声称完成了跨域根因证明。

各角色的具体数据可见范围，由 v1.7 §10.1 的边界矩阵产出，本 ADR 不重复列出；为此，§10.1 第 1 步的组件清单须把主控、强制隔离专家、核验者、审计库和回放环境分别列为组件。强制隔离的专家以安全与可运行性验证为准入条件，不要求证明性能收益，也不因调用率低而并回。

4.3 收益驱动的拆分（非强制拆分） #

同时满足以下条件，才拆出一个研判专家：

1. 预登记：事先登记主要指标、最低有用收益、关键分段和风险门槛（v1.7 §10.2）；
2. 判定口径：同案配对、按故障类型分层做回放比较，固定版本与预算。收益以置信区间下界达到最低有用收益为准，风险以置信区间上界不超过门槛为准；数据违规或越权一票否决，零观测违规不等于证明风险为零（v1.7 §8.7、§10.2）；
3. 全面报告：同时报告覆盖率、拒答、超时和尾延迟，不只看成功样本的平均值；
4. 先做单体优化：按预先登记的有限实验清单（提示词、检索、工具描述），在约定预算内完成优化并达到停止条件后，仍未达标；
5. 成本与时延：在 SLA 以内。

样本不足时暂不拆分。不设工具数量、错误率之类的绝对阈值，这些数值须用本组织的回放数据标定。

4.4 核验 #

• 哪些须先复核：结论认定为“已确认根因”之前，以及提交处置建议之前，必须完成语义复核。事实、假设和根因候选可以带“未核验”标记展示给值班人员，仅供参考。
• 复核无人响应时，结论保持“未核验”状态，不得升级为已核实，相关动作保持关闭或转人工（v1.7 §7.8 人工接管、§9.1 人工降级路径）。
• 独立复核（P2 交付）：按 v1.7 §9.1 P2 交付独立复核子智能体（建议模式），复核方自行读取授权证据，不继承主控的结论与推理（v1.7 §1.3）。它只出复核意见供复核人参考，不能替代人工语义复核。验收按 v1.7 §9.1 P2 出口判据及 §8 评测体系，用回放验证复核意见的质量。
• 核验者角色（附条件）：只有回放证明独立核验能持续降低错误，或职责分离政策明确要求时，才把独立复核升级为常设的核验者角色（对每条须复核的结论出具核验意见，计入 §5 角色预算）。核验者的结论仍然只是建议，不减少、也不替代本节规定的人工语义复核；职责分离要求不自动授权减少人工复核。如拟由核验结果替代部分人工复核，须另行修订本 ADR，写明与 v1.7 一致的授权边界，以及该替代范围的评测与安全门槛和批准条件。

5. 规模与治理 #

• 初始角色预算：1 个主控 + 不超过 4 个收益驱动的领域专家 + 满足 §4.4 条件才设的 1 个核验者。这里的数量指角色，不指并发实例、资源容量或成本；它是规划预算，也不是建设目标，超出须经下述准入评审。强制隔离专家（§4.2）按数据域单列，不占用该预算；取证、上下文隔离与独立复核（建议模式）子智能体（§4.1）也不计入；升级为核验者角色后计入。
• 准入：收益驱动的新增专家须附 §4.3 的回放对比报告；强制隔离的专家须附安全与可运行性验证。两类都要写明负责团队和退出条件。
• 退出：季度审查，回放无增益的收益驱动专家并回主控；强制隔离的专家不适用此规则。
• 治理范围：离线的复盘与知识沉淀流程不计入在线拓扑数量，但仍纳入资产、权限、评测和费用治理。
• 责任角色：阶段负责人、指标负责人和回退动作按 v1.7 §10.1–10.3 的方法确定，本 ADR 不指定具体人员。
• 防膨胀：业务线差异优先用租户隔离和能力包解决，不新增智能体。

6. 演进路线 #

智能体拓扑和动作自动化是两条独立的演进轴，互不作为前提。

flowchart LR
    subgraph T["拓扑轴"]
        T0["单主控<br/>强制隔离专家（如有）"] --> T1["按 §4.3 拆出<br/>收益驱动专家"]
    end
    subgraph A["动作自动化轴"]
        A0["只读研判与建议<br/>执行全部人工审批"] --> A1["L1 取证逐动作准入"] --> A2["L2 逐工作流准入<br/>L3 另行决策"]
    end

7. 业界实践与依据 #

“来源事实”一栏只写来源原文支持的内容；“本 ADR 的推论”是本报告的权衡，不是来源的结论。日期为来源页面元数据，访问日期均为 2026-09-28。

8. 待补输入 #

以下输入尚未取得，因此目前无法确定最终的专家数量和具体划分，§4、§5 给出的是决策规则和规划预算：

1. 本组织的历史事故回放样本；
2. 服务、团队与数据的权限矩阵，包括是否存在需要独立处理环境的数据（v1.7 §10.1）；
3. 处置动作清单与目标 SLO/SLA（v1.7 §10.2）。

9. 保留的少数意见 #

附录 A：讨论、审议与版本记录 #

A.1 决策过程 #

A.2 已撤回的论据 #

“OpsEval / D-Agent 框架使 RCA Top-3 召回率提升 40%”：经核实，OpsEval（arXiv 2310.07637）是运维问答评测基准，不含该框架和该结论。该论据在 council 起点材料中出现，辩论第 1 轮已撤回。

A.3 v1.0 与辩论原文的偏离（已在 v1.1 更正） #

A.4 来源日期核对 #

外部审查意见和 Codex 称 CAF 页面显示更新日期为 2025-12-10。主持人于 2026-09-28 获取原始页面，元数据为 ms.date 2025-12-01、updated_at 2026-02-27；页面上的显示日期由浏览器端计算（data-article-date-source="calculated"），未能复现 2025-12-10。§7 按元数据记录两个日期，并注明外部审阅与 Codex 看到的显示日期。v1.0 记为“更新于 2026-02-27”，取的是 updated_at。这一差异不影响 §7 所引内容。

附录 B：审查与复审意见处置 #

B.1 外部审查意见（第 1 轮裁决） #

裁决依据讨论组审议第 1 轮 5 个席位的逐条意见（council-r1/responses/）。

讨论组补充的修订（外部意见未覆盖）：

B.2 第 2 轮复审意见（v1.1 → v1.2） #

5 个席位逐条核对后，一致认为外部 12 条意见在 v1.1 正文中均已关闭（review-r2/responses/）。

阻塞项：

采纳的少数意见：

保留的少数意见：见 §9。

B.3 第 3 轮终审意见（v1.2 → v1.3） #

B1、B2 的提出席位确认已闭环（review-r3/responses/）。Codex 指出 2 个阻塞项，都是 v1.2 采纳少数意见时新引入的：

B.4 第 4 轮定向复核意见（v1.3 → v1.4） #

B.5 合稿审查相关项处置（v1.4 → v1.5） #

2026-10-15 对三份报告合稿的审查（Google Deep Review）指出两项与本 ADR 相关的跨文档对齐问题；逐项处置、修改前后差异对照与复核见《SREAgent-合稿审查意见处置与复核记录 v1.2》。

另：正文对上游章节的引用同步至 v1.7（v1.6→v1.7 为不改变章节编号与契约语义的定点修正）；附录 A/B 的过程记录保留其历史版本号。