CI通过、评估通过，客户仍拿到错误答案：AI功能的可观测性缺口

文章引用 Dynatrace 2026 年 SRE 与平台工程报告（调查 919 位企业负责人）指出，77% 的平台工程团队至少在部分服务中嵌入可观测性，但仅 40% 在所有部署中全面集成。传统服务会以 500 错误、延迟飙升等方式显式失败，而 AI 智能体可能返回 200、通过忠实度检查，却仍给出错误答案，即“安静地失败”。作者以文档问答智能体为例：客户询问 2026.3 版本的导出配置，CI 与既有评估均通过，但上线后回答变慢且部分内容描述旧版本。通过分布式追踪可见三次重复的文档搜索、product_version 为 null 的过滤条件，以及最终返回 2024.1、2023.9 等版本文档；此类失败并非生成问题，而是无人断言检索前置条件，且忠实度或检索相关性评估无法捕捉“相关但不适用于所请求版本”的情况。