Maintain：从控制带异常回到新意图

维护阶段让流程真正闭环：触发器不等人手工开启会话，而是在指标越界、工单到达或计划任务触发时启动受限诊断。检测本身保持确定性；Claude 在越界后解释证据，并按权限层级写报告、提出 PR 或调用预先批准的回滚。较大的问题被写回 intent.md，再次进入计划—设计—构建—测试—部署链。

学习目标

• 能设计“确定性检测、代理诊断、人类分流”的控制带机制。
• 能按异常严重度限制代理动作，并复用正常 PR 与发布门禁。
• 能把事故、修复和 eval 连接成可追踪反馈链。

核心概念

控制带不是让模型自由监控所有指标。服务负责人先选择有稳定基线的指标，版本化并单元测试检测脚本；只有规则判定越界后才调用代理。官方手册举出日志、只读诊断和受控行动等层级，高层行动仍只能通过 PR 评审或预批准 Runbook。

代理将异常、证据、期望结果、受影响系统和开放问题写成计划阶段格式的 intent.md。值班或服务负责人决定立即修复、排期或驳回；驳回原因用于调节带宽、减少噪声。修复上线后，同类事故加入测试或持续 eval，避免维护知识只停在复盘文档里。

控制带配置、每次调用、发现、分流和批准都应留存时间与身份。代理不能获得通用生产访问；权限与托管设置限制工具，回滚只能调用已审核、已演练的路径。检测负责“何时启动”，代理负责“如何解释或准备动作”，人负责高风险取舍。

实践步骤

1. 选择一个具有稳定滚动基线、且责任团队清晰的指标；先回放历史数据估算噪声。
2. 用确定性脚本实现越界判断并写单元测试，配置与代码一起评审。
3. 定义至少三档动作：记录、只读诊断、提出受控行动；每档明确工具和禁止项。
4. 在隔离执行环境中非交互运行 Claude，把输入证据、输出、成本与身份写入日志。
5. 输出统一的 intent.md 或小型 PR，进入正常产品/工程分流与评审，不另开“快速绕过”通道。
6. 对误报记录驳回理由并调参；对真实事故补充回归测试或 eval，追踪是否重复发生。

以下是 AIKnow 自行创作的 illustrative control-band example（示意控制带），不是 Anthropic 配置，也不应未经历史回放直接用于生产：

metric: checkout_api_p95_ms
baseline: rolling_median_21d_same_hour
owner: checkout-platform
levels:
  observe:
    condition: deviation_pct > 15 for 10m
    action: record_evidence
  investigate:
    condition: deviation_pct > 30 for 10m
    action: claude_read_only
    allowed_tools: [Read, "Bash(gh run view *)"]
  contain:
    condition: deviation_pct > 60 for 5m and recent_deploy
    action: propose_runbook
    allowed_routes: [pull_request, rollback_checkout_v3]

在这个示例中，代理不能直接执行任意生产命令；最高档只能提出既有回滚路径，由发布门继续控制。

常见误区

• 让模型判断是否越界。 检测应确定、可回放、可单元测试；模型从越界事件开始工作。
• 异常一到就自动改生产。 先建立独立置信门、PR 路径和预批准 Runbook。
• 所有告警都变意图。 小而有边界的问题可以走 PR；较大、跨系统或目标不清的问题才回到 Plan。
• 只统计修复速度，不统计误报。 噪声会让人忽略队列，驳回率和重复事故同样重要。

动手练习

从你的监控系统挑一个非关键指标，在历史数据上定义三档控制带。为每档写允许工具、输出工件、审批人和超时升级路径。用三段历史异常回放：一次真实回归、一次流量峰值、一次监控故障。检查系统是否能给出不同分流，而不是把三者都变成自动修复。

要点回顾

闭环维护把生产证据重新送入意图链，但不把判断责任交给模型。确定性控制带决定何时启动，权限层决定能做什么，正常评审门决定动作能否生效，事故 eval 保证经验留在系统里。闭环越自动，人类判断门越要明确。

参考来源

• Anthropic / Claude 官方文章：The AI-Native SDLC playbook，重点参见 “Stage 6 — Maintain” 与 “Closing the loop”，核验日期：2026-08-26。
• Claude 官方文档：Run Claude Code programmatically，用于核验非交互运行方式，核验日期：2026-08-26。
• Claude 官方文档：Monitoring，用于核验 Claude Code 的 OpenTelemetry 指标、事件与身份属性；业务控制带和异常检测仍由团队的观测后端负责，核验日期：2026-08-26。