第70篇：Vibe Coding时代：AI Coding 平台运维手册，解决 Agent 上线后故障排查没有 SOP 的问题

一、问题场景：Agent 平台上线了，但一出问题大家都不知道怎么查

当 AI Coding Agent 进入团队使用后，常见故障会越来越多：

1. 用户说任务一直不动 2. 任务状态卡在 RUNNING 3. Worker 队列堆积 4. LLM 调用失败 5. 测试一直超时 6. PR 创建失败 7. CI 查询失败 8. 成本突然飙升 9. 权限误拦截 10. RAG 检索结果不对

如果没有运维手册，每次都靠临时排查。

结果就是：

排查慢 定位不准 重复踩坑 新人无法接手 故障复盘困难

本文作为第 61-70 篇总结，给出一份适合团队收藏的：

AI Coding 平台运维排查 SOP。

二、运维目标

Agent 平台运维要解决三个问题：

1. 任务为什么失败？ 2. 系统哪里卡住？ 3. 如何恢复服务？

排查顺序建议