AIOps 的发展经历了四个阶段。
第一阶段（2010-2015）：规则驱动——核心驱动力是静态阈值和正则匹配，典型能力包括阈值告警和日志关键词过滤。其根本局限在于无法应对未知故障模式，误报率极高。
第二阶段（2015-2022）：机器学习驱动——核心驱动力是时序预测与异常检测算法，能够做动态基线、聚类分析和根因定位。但特征工程繁重、模型可解释性差，仍需人工闭环。
第三阶段（2022-2025）：大模型 Copilot 驱动——核心驱动力是 LLM + RAG，实现了自然语言查询日志、告警摘要和修复建议生成。但 Copilot"只动口不动手"，决策与执行割裂，且存在幻觉风险。
第四阶段（2025-至今）：Agent 驱动——核心驱动力是 LLM 推理 + Tool Use + 自主循环，实现了端到端故障自愈、多工具编排和自主验证。但对可观测性密度、行动安全性和治理框架提出了全新要求。
前三个阶段的共同逻辑是：系统产生数据，算法理解数据，结论呈现给人类，由人完成最终判断与执行。Agent 驱动阶段首次打破了"人在回路"的瓶颈。