生产软件为何越来越脆弱：一位创业者对AI排障的冷静判断

Traversal.ai CEO Anish Agarwal 直言，生产环境软件“不断出问题，而且只会更糟”。在这场演讲中，他拆解了现代软件排障为何正在失效，并分享了他们如何用 AI Agent 重构工程师的故障处理方式。

为什么“生产软件在崩坏”，而且不是工程师的错

这一切的重要性在于：几乎所有依赖软件的业务，都在承受同一种隐形风险。Anish Agarwal 一开场就抛出了一个并不乐观的判断——如果我们什么都不做，“it’s only going to get worse”。在他看来，问题并不在于工程师不够优秀，而在于现代软件系统的复杂度已经超过了传统工程方法的承载能力。

他将软件工程粗略分为几大核心维度，其中系统设计和运维复杂性是绕不开的现实。今天的生产系统高度分布式，服务之间通过 API、消息队列和异步任务相互耦合，任何一个微小变化都可能在下游被放大。当系统出问题时，工程师面对的不是单点故障，而是一个跨服务、跨团队的连锁反应。

更严峻的是，随着公司规模扩大、技术栈堆叠，这种复杂性是“单调递增”的。Anish 用一句近乎无奈的话总结这种趋势：如果我们继续沿用现在的方式，这将是一个“grim reality”。这不是危言耸听，而是他在真实生产环境中反复看到的结论。

排障工作流的碎片化：工具越多，真相越远

理解问题的关键，在于真正走一遍工程师的排障流程。Anish 描述了一个所有人都熟悉的画面：当系统异常时，工程师会在 Grafana、Datadog、Splunk、Elastic 等工具之间来回切换，试图拼凑出发生了什么。

这些工具本身都很优秀，但问题在于它们各自只覆盖了“真相”的一部分。指标告诉你“哪里不正常”，日志记录了“发生了什么”，而追踪（trace）展示了请求路径。但在真实事故中，没有任何一个信号是完整答案。正如他在演讲中直言的：“clearly is not optimal”。

更糟的是，排障往往发生在高压环境下。系统宕机的每一分钟都在计数，但工程师却需要人工在不同系统中做相关性分析。这种以人为中心、工具割裂的工作流，本身就成为了系统不稳定的一部分，也解释了为什么单靠堆更多监控工具，并不能真正解决问题。

三个信号都不够：传统可观测性的根本瓶颈

这一部分之所以重要，是因为它点破了许多团队的误区。Anish 强调，指标、日志和追踪这“三件套”各自都有价值，但“none of these three things if you do them just by themselves is enough to really troubleshoot”。

问题不在于信号缺失，而在于认知负担。工程师需要在脑中完成一次复杂的因果推理：哪些异常是根因，哪些只是结果？哪些变化是巧合，哪些是真正的触发点？这种推理高度依赖个人经验，无法规模化，也很难在团队间复制。

他指出，这也是为什么生产事故的处理质量，往往取决于“当时是谁值班”。这不是工程文化的问题，而是工具形态的问题。只要排障仍然依赖人类在高压下做 exhaustive search（穷举式搜索），系统复杂度一旦超过阈值，失败几乎是必然的。

AI Agent 介入排障：Traversal 想改变的那一步

真正的转折点，来自 Anish 对 AI Agent 的引入思考。在介绍 Traversal 时，他反复强调目标并不是“再做一个工具”，而是重构排障方式本身。核心思路是：让 AI Agent 承担跨系统的搜索、关联和假设验证，把工程师从信息拼图中解放出来。

在后续由 Matt 分享的案例中，Traversal 展示了他们如何在 DigitalOcean 的真实环境中发挥作用。系统发生变化后，AI Agent 可以在海量信号中执行自动化的 exhaustive search，快速缩小可能原因范围，从而让工程师更快接近根因。对经历过无数次生产事故的人来说，这正是 Matt 所说的“thing that I was dying for in my previous roles”。

Anish 在结尾将这一方法放大到更广泛的技术趋势中：随着 swarms of agents（多智能体协作）成熟，这种模式并不只适用于运维排障，而是可以推广到更多复杂工程领域。这不仅是一个“有趣的问题”，也是一个足以改变工程实践的方向。

总结

这场演讲的价值，不在于某个具体产品，而在于一个清醒判断：生产软件的问题正在系统性恶化，而传统方法已经触顶。Anish Agarwal 给出的答案是，用 AI Agent 承担复杂性，让工程师回到决策而非搜索本身。对每一个正在构建或维护复杂系统的人来说，这都是一次值得认真对待的信号。

关键词： 生产环境， 软件排障， 可观测性， AI Agent， Traversal

事实核查备注： 演讲者：Anish Agarwal（Traversal.ai CEO）；提及工具：Grafana、Datadog、Splunk、Elastic；核心观点原话包括“it’s only going to get worse”“clearly is not optimal”“none of these three things…is enough”；案例公司：DigitalOcean；技术概念：AI Agent、exhaustive search、swarms of agents。