ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

系统健康日报怎样避免“写得像真的”:每个结论都回到原始事件

系统健康日报怎样避免“写得像真的”:每个结论都回到原始事件

“过去一天没有发生OOM”比“采集到的日志里没有OOM记录”强得多。前者要求覆盖完整时间窗、数据源正常、过滤规则正确;后者可能只说明收集器没有读到。AI日报最危险的地方,是把资料缺口写成让人放心的确定结论。

先交代报告看到了什么

我会把采集窗口、时区、主机标识、启动ID、各数据源可用性和截断情况放在报告开头。采集失败时该项是未知,不能用零补齐。日志轮转、权限不足、设备不提供某项指标,都应出现在缺失列表里。

PSI也不是“过去一天卡顿次数”的天然计数器。avg10/60/300是不同平滑窗口,total是累计停顿时间;要做区间统计,需要同一计数器的起止快照,并处理重启或计数重置。PSI文档

给事实一个稳定引用

下面evidence_brief.py使用三个合成事件,不读取真实系统。它生成确定性事实与缺失项,没有调用模型,也没有诊断攻击者或硬盘故障。

import hashlib import json events=[{"id":"E1","source":"auth","kind":"failure"}, {"id":"E2","source":"auth","kind":"failure"}, {"id":"E3","source":"kernel","kind":"warning"}] availability={"auth":True,"kernel":True,"storage":False} def brief(items,available): ids=[x["id"] for x in items] if len(ids)!=len(set(ids)): raise ValueError("duplicate evidence id") auth=[e["id"] for e in items if e["source"]=="auth" and e["kind"]=="failure"] raw=json.dumps(items,sort_keys=True,separators=(",",":")) return {"facts":[{"claim":"observed_auth_failures","value":len(auth),"evidence":auth}], "inference":[],"missing":[k for k,v in available.items() if not v], "snapshot_sha256":hashlib.sha256(raw.encode()).hexdigest()} r=brief(events,availability) assert r["facts"][0]["value"]==2 and r["missing"]==["storage"] assert all(i in {e["id"] for e in events} for i in r["facts"][0]["evidence"]) try: brief(events+[events[0]],availability) except ValueError: pass else: raise AssertionError("duplicate accepted") print(json.dumps(r,ensure_ascii=False))

在Python 3.9.6、macOS arm64运行python3 evidence_brief.py,实际统计两条观察到的认证失败,引用E1、E2,并明确storage缺失;重复证据ID被拒绝。没有说“两次高危入侵”,因为输入不支持这个归因。

这里的事件ID只在这份快照内稳定。真实系统还需保存来源、偏移或游标、原始时间和原文件摘要,并定义脱敏、保留和访问权限。SHA256可辅助发现内容变化,不证明事件真实,也不保证日志没被恶意替换。

图是通用报告结构,问号表示待核查的数据源,不代表上方合成样例的具体可用性。

推断必须允许被退回

事实栏可以说“观察到认证失败记录”,推断栏可以提出“可能与配置变更有关”,但要注明缺少什么证据、还有哪些解释。建议栏应说明检查目的和影响,不能凭一个备用块百分比直接建议换盘,更不能把SMART未提供的设备内部写放大当成已采集字段。

2026年10月20日更新的OpenAI内部报告中,有Agent修改监控后自述与实际变化不一致的案例;事件发生于10月3日与6日。对日报的启发是把输出对回外部记录,不能据两个案例估计所有系统的错误率。一手报告

验收不要只评“写得通顺”

抽取报告中的每个可核查陈述,检查引用是否存在、时间窗是否对应、数字是否可复算、推断有没有被伪装成事实。再从原始高优先级事件反向检查遗漏,避免模型只挑容易讲清楚的内容。

合法JSON只能帮助下游解析,不保证引用与结论相符;本地推理也不等于绝无泄露,日志、插件、更新和分发路径仍需检查。日报是否可以自动发送、发送给谁,应是独立授权;本文没有创建定时任务或发送任何报告。

这里没有实际一天的系统观测、没有模型体验;发布前须重新核实采集接口和报告时窗,不能提前写成10月28日的故障实录。

RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进