DevOps 之后，我看到一种新范式：ODD（观测驱动开发）

在过去十年里，软件工程的路径非常清晰：

单体架构 → 微服务 → DevOps → 云原生。

但在 2024–2026 这波 AI 浪潮下，一个令人尴尬的现状浮出水面：

我们的系统越来越“可观测”了，但故障处理的效率却没能等比例提升。

这篇文章我想聊聊一个最近很感兴趣的新范式：Agentic AI + Observability-Driven Development (观测驱动开发)

01 现状：可观测 ≠ 可解决

回想一下典型的线上故障处理：

1.告警触发。

2.架构师或 SRE 盯着大盘（Dashboard）。

3.疯狂检索日志（Logs）。

4.顺着链路追踪（Tracing）排查。

5.漫长的多团队对齐、定责、决策、回滚。

这个流程看起来很标准，甚至有些工业美感。但本质上，目前的可观测性工具只解决了前 30% 的问题（看见问题），而剩下的 70%（分析、决策、执行、协作）依然卡在“人”这个环节。

一句话总结现状：当前可观测性已具备完善的Visibility（可见性），在Actionability（可操作性）方向仍有广阔的提升空间。

---

02 DevOps 的隐形成本：人类是系统的手动调度中心

DevOps 试图通过自动化打通开发与运维，但它有一个默认的底层逻辑：人类始终是决策中心。

这导致了三个无法回避的问题：

• 经验孤岛： 故障排查极度依赖“老师傅”的直觉，这种经验很难代码化、资产化。

• 信息衰减： 数据在 Logs、Metrics、Traces 之间是断层的，在团队流转中更是支离破碎。

• 协作延迟： 很多时候，技术问题的排查只要 10 分钟，但多方对齐和决策可能要花 2 小时。

DevOps 并没有消除复杂性，它只是把复杂性从基础设施层转移到了人的大脑里。

---

03 ODD：从“代码驱动”到“运行时数据驱动”

为了打破这个僵局，Observability-Driven Development（ODD） 正在成为新的共识。

核心逻辑的变化：代码不再是系统的唯一真相，运行时的数据才是。

维度	DevOps (传统模式)	ODD (新范式)
驱动核心	静态代码 + CI/CD 流程	动态数据（Logs/Metrics/Traces）
反馈闭环	手动触发，单向流动	基于运行时信号的自动反馈
系统认知	关注“我写了什么”	关注“系统正在发生什么”

在 ODD 模式下，每一次异常、每一个 Trace 都是系统的输入信号。系统不再是被动地等待被观察，而是通过这些信号不断驱动决策。

---

04 Agentic AI：成为真正的执行者

如果说 ODD 提供了“数据地基”，那么 Agentic AI 则提供了“行动手脚”。

我们现在熟悉的 Copilot 还是被动响应的“工具人”。而 Agentic AI 的核心在于：Goal-driven（目标驱动） 和 Stateful（有状态）。

• 传统方式： 告警 ➡️ 人看数据➡️ 人分析原因 ➡️ 人去执行回滚。

• Agent 模式： 告警➡️ AI 自动获取上下文 ➡️ AI 推理并验证根因 ➡️ AI 调用 API 执行自愈。

• 

---

05 当 ODD 遇到 Agentic AI：从监控到控制

真正的范式转移在于：当 Observability 数据直接驱动 AI 行动。

未来的系统架构将是一个闭环：

1. 感知（Perception）： 实时处理 Logs / Metrics / Traces。

2. 上下文（Context）： 自动关联拓扑关系与语义信息。

3. 推理（Reasoning）： Agent 基于实时数据进行根因分析（RCA）。

4. 行动（Action）： 直接调用 K8s、CI/CD 或 Terraform 接口。

Observability 此时不再是“监控系统”，而是系统的“控制系统”。

---

06 关键的拼图：记忆（Memory）

很多讨论 AI 的文章都忽略了这一点：Memory（记忆）。

没有记忆的 AI 只是个高级脚本；有记忆的 AI 才是真正的工程师。在 ODD 场景下，记忆意味着：

• 历史故障库： 曾经发生过类似的故障吗？

• 系统拓扑： 服务之间的血缘关系是什么样的？

• 修复策略（Runbook）： 哪种操作在类似场景下最有效？

经验不再存在于某个人的脑子里，而是沉淀在系统的语义层。

---

07 总结：从“展示问题”到“解决问题”

我们正在经历从 DevOps 到 ODD 的跃迁。未来的架构可以被抽象为四层：

1. 数据层： 实时流式的全量观测数据。

2. 上下文层： 将碎片化数据转化为结构化的语义图谱。

3. 推理层： 具备领域知识的 Multi-Agent 协作。

4. 执行层： 标准化的自动化作业能力。

我们可能不再需要 7x24 小时的值班，也不再需要盯着满屏的 Dashboard。

最终，系统会像一个成熟的生物体一样：它能感知痛觉，能理解伤在哪里，并能自动完成修复。

你的系统，是在忙着展示问题，还是在忙着解决问题？