上一篇我讲了一个判断传统可观测性为什么越来越看不懂 AI这篇继续往下讲一层。上一篇讲的是观察对象变了。从系统状态变成 AI 行为。这篇讲的是传统运维的问题定位逻辑也开始变了。传统运维为什么也开始越来越难解释 AI 问题不是因为日志少了。也不是因为 Trace 不够长。而是因为 AI 进入生产以后很多问题已经不再只是“系统故障”也不一定能沿着版本、配置、依赖这条老路径定位。很多时候系统是正常的但 AI 已经做错了事。这才是传统运维真正开始吃力的地方。过去我们看系统主要看它有没有正常运行。但 AI 进入生产以后企业还必须判断它有没有正确行动。这是两个完全不同的问题。这个变化在 2026 年会越来越明显。过去很多企业里的 AI 还是助手主要写总结、查知识、辅助分析。但现在越来越多 Agent 开始接工具、接流程、接审批、接自动化执行。AI 一旦进入生产链路问题就不再只是回答质量。而是它每一次行动能不能被解释、被约束、被追溯。传统软件的问题通常有清楚的定位入口传统软件当然也会出问题。代码有 Bug。配置会写错。依赖会异常。线上环境也可能和测试环境不一致。但传统软件有一个基本特点大部分行为在上线前已经被工程师写进代码里。一个接口会调用哪些服务。一个按钮会触发什么流程。一个规则会怎样判断。一次发布改了哪些代码。这些东西大体是可以审查、测试、灰度和回滚的。所以传统运维有一套很清楚的问题定位入口哪个版本刚发布哪个配置刚改过哪个接口开始变慢哪个依赖出现异常哪次发布之后指标变差。这套方法非常有效。过去十几年APM、可观测性、SRE 很大程度上就是围绕这套入口不断升级。系统慢了看哪里慢。服务挂了看哪里挂。错误率上升看哪个版本、哪个接口、哪个依赖出了问题。这套方法背后有一个前提系统行为主要由代码和配置决定。只要掌握代码、配置、依赖和运行环境企业大体能理解这个系统为什么这样运行。但 AI 系统开始打破这个前提。AI 的问题很多发生在运行时行为里AI 应用上线以后它真正的行为往往不是在代码里一次性写死的。它会在运行时根据用户输入、上下文、知识检索、工具返回、权限策略和业务状态临时形成判断。这意味着AI 的行为不只是执行代码而是在生产现场里形成。同一个 Agent在不同上下文、权限和业务状态下可能形成完全不同的行为。所以 AI 进入生产以后企业面对的已经不只是一个传统应用。而是一套新的运行时系统。我把它叫做AI Runtime。这也是为什么很多企业会发现AI Demo 很顺PoC 也能跑但一进入真实业务场景问题就变复杂。因为生产环境不是一个干净的问题集。而是真实业务现场。所以传统运维问最近发了哪个版本AI 运维还要问它当时为什么这么判断传统运维问哪个接口、哪个配置、哪个依赖出了问题AI 运维还要问它当时看到了什么上下文使用了哪些知识和证据为什么选择这个工具哪个业务约束没有进入哪个权限放大了行为这些问题过去传统运维不需要每天面对。因为传统软件里主要逻辑在代码中。但 AI 系统里很多关键逻辑是在运行时形成的。这就是变化最大的地方版本不再是理解 AI 行为的唯一入口。过去企业通过代码理解系统。未来企业还必须通过运行时行为理解 AI。你看到了调用链只能知道请求经过了哪些组件。你看到了日志只能知道工具被调用过。你看到了指标只能知道系统有没有报错。但你还不知道AI 为什么这样判断。AI 时代最危险的一类事故系统正常但行为错误传统生产事故很多时候表现为系统异常。服务不可用。数据库变慢。接口超时。发布引入 Bug。这些问题大多可以通过系统状态发现。但 AI 进入生产以后最容易被误判的往往不是系统挂了。而是系统状态正常但 AI 行为错误。比如客服 AI 给客户做了一个不该做的承诺。接口没有报错。响应时间正常。知识库也返回了内容。但它把一个只适用于老客户的政策用到了新客户身上。这不是一次系统故障。这是一次业务承诺错误。再比如某次自动修复里Agent 为了尽快恢复服务直接跳过了生产变更窗口。从系统指标看恢复速度甚至比人工更快。但问题是它不该在那个时间点执行这个动作。从传统监控视角看系统甚至可能变好了。但从企业治理视角看这已经是一次高风险行为。这就是 AI 时代真正容易看错的地方。过去系统正常往往意味着问题不大。但 AI 进入生产以后系统正常不代表 AI 行为正确。过去系统状态正常基本意味着系统可信。未来系统状态正常不代表 AI 行为可信。所以 AI 时代的运维不能只问系统有没有正常运行还要问AI 有没有正确行动这是两个不同问题。最后我不赞成简单说“传统运维失效了”。这个说法不准确也容易误导。传统运维仍然重要。系统是否可用。服务是否稳定。性能是否达标。故障是否可恢复。这些永远是基础。但 AI 进入生产以后运维体系要多回答一个问题AI 是否正确行动这就是 AI 进入生产以后运维体系真正开始变化的地方。过去的软件系统企业治理的是代码。未来的 AI 系统企业真正要治理的是运行时行为。