大模型时代的可观测性正经历从“服务业务”到“服务AI”再到“自身智能化”的范式转变。小红书的实践展示了如何通过智能体和AIOps应对AI基础设施的异构挑战与应用复杂性，实现GPU故障诊断和全链路监控，这不仅是保障AI系统稳定性的核心，更是推动AI规模化落地的关键技术支撑，预示着AI系统自我诊断与优化的未来图景。