事故排查会议（incident bridge）安静得有些异样，这意味着大家都卡住了。一份支持工单显示，智能体（agent）告诉客户其退款已获批准，而事实并非如此。你有完整的追踪记录：提示词（prompt）、检索到的账户记录、工具调用、模型的推理过程以及最终的消息。你重放了一遍，智能体的操作是正确的。你又重放了一遍，依然正确。十次中有九次，产生该事故的追踪记录反而生成了正确的结果。会议上终于有人提出了那个复盘模板（retro template）无法处理的问题：那么，根本原因是什么？
根本没有。至少不是模板所指的那种。五个为什么（five-whys）的链条是这样运作的：“智能体告诉了客户错误的信息” → “因为模型生成了批准” → “因为它采样了一个断言批准的 Token 序列” → “因为……这是概率分布所允许的。”最后一个“为什么”最终以耸耸肩告终。“模型采样了一个错误的 Token”在技术上是正确的，但在操作上毫无用处。它没有指明修复方案，没有分配负责人，也没有弥补差距。你可以把它写进报告，但每个读到它的人都知道，你记录的是一个巧合，而不是一个原因。
这不是换了新装的老问题。事故审查一直以来都在与复杂系统作斗争 —— Richard Cook 在几十年前的《复杂系统如何失效》（How Complex Systems Fail）中就指出，明显的失败需要多重故障，事故并没有孤立的原因，只有促成因素。LLM 系统所做的，是让这个本就摇摇欲坠的假设彻底破裂。当同样的输入在不同的运行中产生成功和失败时，根本原因分析（root-cause analysis）所追溯的确定性因果链根本就不存在。复盘模板假设了系统并不具备的确定性。
复盘模板本身就是 Bug
大多数事故处理流程都继承自制造业和航空业，在这些领域，缺陷就是缺陷：零件不符合规格，螺栓扭矩不对，一旦你修复了那个特定的问题，故障模式就关闭了。“五个为什么”方法直接编码了这一假设。它遵循单一的因果链条，刻意向底部一个可修复的问题收窄。当确实存在一个可修复的问题时，这种方法运作得非常出色。
LLM 故障不具备那样的结构。伤害你的输出是从分布中抽取的，在给定上游一切因素的情况下 —— 提示词措辞、检索到的上下文、工具结果排序、系统指令、采样温度 —— 分布给错误输出分配了非零概率。这些因素中没有一个是单独“导致”失败的。它们共同设定了一个概率，而采样器掷了骰子。询问“为什么失败”就像在问为什么某次硬币投掷结果是反面。诚实的答案是“因为 P(反面) 大于零”，这个答案既正确又毫无价值。
迹象表明你是在与模板作斗争，而不是在处理事故：你的报告中有一个根本原因字段，必须有人来填写，而唯一真实可写的却是关于采样的一句话，且无法推导出任何行动项。当你表单必填项的诚实答案是一个“非答案”时，错的是表单，而不是事故。
从“为什么”到“如何”，从原因到概率
逃生舱口有两个动作，这两个动作在事故处理实践中都不是新鲜事 —— 只是它们以前从未承担过重任。
首先是停止问为什么（why），开始问如何（how）。John Allspaw 的“无限如何”（Infinite Hows）重构理念源于无责事后分析（blameless-postmortem）文化，它询问的是事故发生必须具备哪些条件，而不是指责哪一个单一故障。应用到随机系统（stochastic system）中，这可以清晰地映射：与其问“为什么模型批准了退款”，不如问“系统是如何进入‘批准退款是一个合理的下一个 Token’的状态的？”这个问题有真实的答案。检索到的记录在退款状态上模糊不清。提示词从未明确说明智能体缺乏批准权限。检查资格的工具在检查授权的工具之前返回了结果，所以模型看到了“符合资格”而没看到“尚未授权”。每一个都是你可以实际改变的促成因素，而且没有一个要求模型必须是确定性的。
第二个动作是停止将事故视为单一事件，开始将其视为一种概率（rate）。你正在审查的失败是从分布中提取的一个样本，因此诚实的分析单位是 P(失败)，而不是“这次失败”。这重构了整个报告。你不再是解释一个错误的输出，而是解释为什么错误输出的概率高到足以在生产环境中触发，以及你做了什么改变来降低它。一份写着“我们将‘符合资格但状态模糊’切片上的 P(幻觉批准) 从估计的 4% 降低到了 0.3%”的报告是诚实的、可操作的、可验证的。而一份写着“我们修复了 Bug”的报告则是对一个在经典意义上没有 Bug —— 只有概率 —— 的系统的谎言。
以概率复现，而非彻底复现
余下内容仅对会员开放。
会员可读完整内容 —— 每一个公开发布的观点背后，那些框架、决策与推理的全貌。
- 完整文章，包含未公开存档的部分
- 可落地的工作框架，附带权衡与决策依据
- 新文章抢先看，先于公开发布
随时取消 · 一次订阅，畅读全部