可观测性与服务目标

从用户任务定义服务目标

服务进程存活不代表用户能够得到可用草稿。先定义什么是“好任务”：授权正确、内容生成完成、证据可打开、在约定时间内返回。技术健康与业务正确性需要分别监测。

信号与定位

信号	用途	建议字段
指标	趋势与告警	请求量、成功率、队列、分阶段耗时
日志	解释具体事件	追踪编号、阶段、错误码、版本
链路	观察请求跨依赖	检索、重排、模型、存储各阶段
质量抽检	发现内容退化	引用支持、拒答、人工修改

指标标签使用受控枚举，避免每个工单和用户都生成独立时间序列。日志只存必要摘要，敏感正文另行授权保留。

示例 SLI、SLO 与预算

以下是合成设计，不是生产承诺。SLI = 在 15 秒内成功产生可查看草稿的有效任务数 / 全部有效草稿任务数；按 28 天窗口观察，示例 SLO 为 99%。假设共有 10,000 个有效任务，则允许的坏任务预算为 100 个。

预先定义有效请求、用户取消、依赖故障和权限拒绝如何计数。不能在故障后修改分母让目标看起来达标。延迟达标也不能证明引用正确，质量抽检必须独立报告。

告警与行动

告警应包含用户影响、当前值、观察窗口、追踪入口、责任人和恢复步骤。关注错误预算消耗速度与持续时间，结合短长窗口减少瞬时噪声。没有明确处理动作的指标先放入看板，而不是全部叫醒值班人。

练习与完成标准

注入一次检索延迟和一次模型故障，确认能从用户任务追到具体依赖，并在恢复后验证正常任务。交付 SLO 定义、仪表盘草图和告警处理卡。

概念参见 OpenTelemetry 可观测性说明；SLO 与预算方法参见 Google SRE 工作手册。

参考阅读与使用边界

• OpenTelemetry：可观测性基础：相关概念与方法的延伸阅读，访问核验日期 2026-10-14。本站练习、流程与指标为自主编排，不属于来源机构认证。
• 学习路线 · 项目实战 · 可下载模板

本页为基础指南；生产操作需结合实际版本、授权环境与审核证据验证。