AI-Node-Sentinel
面向GPU集群故障分诊的开源脚手架，流程包括遥测接入、XID事件提取、查表补全、分诊规则应用与结构化报告输出，预留LLM推理集成点
时间轴 (近 90 天)
开源项目AI-Node-Sentinel的版本为v0.1，其分诊决策树是刻意的占位实现，每个事件都返回NEEDS_HUMAN_REVIEW和置信度0.0。
AI-Node-Sentinel的LLM集成点位于agent/llm.py，协议为reason(system_prompt, evidence) -> str，编排器只将LLM返回文本以[LLM]前缀追加到结论的rationale中，从不解析JSON或覆写确定性结论。
在AI-Node-Sentinel中，LangChain provider是一个占位实现，构造函数直接抛出NotImplementedError，尚未完成任何模型调用逻辑；文中所有LLM实验均使用作者自写的假provider，而非LangChain或真实模型。
AI-Node-Sentinel的Xid查表只覆盖七个编码（13、31、48、74、79、119、120），表外探测编码全部返回None并转人工，拒绝猜测是该管线最重要的安全属性。
AI-Node-Sentinel编排器使用int(event.payload['xid'])提取编码且无校验、无逐事件隔离，混入畸形事件会抛出KeyError、ValueError或TypeError，导致整个遥测窗口的结论全部丢弃。
在AI-Node-Sentinel中接入完美遵守提示词的假provider返回DRAIN_NODE和0.95置信度后，最终action仍为NEEDS_HUMAN_REVIEW、confidence仍为0.0，只有rationale被追加[LLM]文本，说明LLM没有投票权。
AI-Node-Sentinel编排器组装的证据串仅包含node、gpu、xid、name、severity、ts等字段，查表条目中的category和notes字段以及同一GPU的温度和ECC读数均未进入证据，因为证据在逐事件分诊函数内部构造，没有窗口上下文。
在AI-Node-Sentinel中，若provider永远抛出RuntimeError，异常会从triage_event直接穿透并导致整个运行失败，与畸形数据造成的故障模式相同。
AI-Node-Sentinel编排器使用相对路径open('prompts/triage_system.md')加载提示词，从非仓库根目录运行会抛出FileNotFoundError。
AI-Node-Sentinel的编排器逐事件无状态分诊，同一GPU三小时内三次XID 79会产生三个互不知晓的相同结论（相同动作、相同置信度、相同rationale），架构上缺乏状态管理。
还有 4 条时间轴事件
全部知识事实 (14)
开源项目AI-Node-Sentinel的版本为v0.1，其分诊决策树是刻意的占位实现，每个事件都返回NEEDS_HUMAN_REVIEW和置信度0.0。
50%待验证AI-Node-Sentinel的LLM集成点位于agent/llm.py，协议为reason(system_prompt, evidence) -> str，编排器只将LLM返回文本以[LLM]前缀追加到结论的rationale中，从不解析JSON或覆写确定性结论。
50%待验证在AI-Node-Sentinel中，LangChain provider是一个占位实现，构造函数直接抛出NotImplementedError，尚未完成任何模型调用逻辑；文中所有LLM实验均使用作者自写的假provider，而非LangChain或真实模型。
50%待验证AI-Node-Sentinel的Xid查表只覆盖七个编码（13、31、48、74、79、119、120），表外探测编码全部返回None并转人工，拒绝猜测是该管线最重要的安全属性。
50%待验证AI-Node-Sentinel编排器使用int(event.payload['xid'])提取编码且无校验、无逐事件隔离，混入畸形事件会抛出KeyError、ValueError或TypeError，导致整个遥测窗口的结论全部丢弃。
50%待验证在AI-Node-Sentinel中接入完美遵守提示词的假provider返回DRAIN_NODE和0.95置信度后，最终action仍为NEEDS_HUMAN_REVIEW、confidence仍为0.0，只有rationale被追加[LLM]文本，说明LLM没有投票权。
50%待验证AI-Node-Sentinel编排器组装的证据串仅包含node、gpu、xid、name、severity、ts等字段，查表条目中的category和notes字段以及同一GPU的温度和ECC读数均未进入证据，因为证据在逐事件分诊函数内部构造，没有窗口上下文。
50%待验证在AI-Node-Sentinel中，若provider永远抛出RuntimeError，异常会从triage_event直接穿透并导致整个运行失败，与畸形数据造成的故障模式相同。
50%待验证AI-Node-Sentinel编排器使用相对路径open('prompts/triage_system.md')加载提示词，从非仓库根目录运行会抛出FileNotFoundError。
50%待验证AI-Node-Sentinel的编排器逐事件无状态分诊，同一GPU三小时内三次XID 79会产生三个互不知晓的相同结论（相同动作、相同置信度、相同rationale），架构上缺乏状态管理。
50%待验证在AI-Node-Sentinel中，非XID事件在提取阶段即被丢弃，不会产生结论或作为上下文附着到XID结论上；在64节点基线窗口中，1285个事件中有1024个被这样过滤掉。
50%待验证AI-Node-Sentinel在64节点×8 GPU、seed 42的模拟窗口中共有1285个事件、261个XID事件，确定性查表管线耗时约0.7毫秒。
50%待验证文中11%到13%的未知编码占比是模拟器注入池设计的构造性产物（八个编码中有一个刻意构造的未知999），不能作为真实集群未知率的参考。
50%待验证文中六组故障注入实验的结论具有普适性：六个断裂点没有一个是模型能力问题，全是接线问题（逐事件隔离缺失、输出契约未兑现、证据厚度不足、异常传播、路径依赖、无状态与佐证盲区）。
50%