Kubernetes 排障要求工程师先关联 Pod 事件、容器日志、资源指标、部署配置和依赖关系，才能定位根因。传统自动化只能执行预定义的恢复步骤，而 Agentic AI 可以更自适应：调查失败、验证假设、收集证据、给出结合上下文的建议。这篇文章讲怎么用 Google Cloud、Gemini 与 GKE 搭一个排障代理——它按结构化流程收集证据、判断可能的根因、提出带证据的修复动作。核心议题是「安全自主」：不给代理无限制的集群访问，而是用最小权限 IAM 与 Kubernetes RBAC、策略化的动作边界、敏感操作的人审门，以及完整的审计日志；只读诊断是默认值，改动工作负载或集群配置必须显式授权与验证。文章用 CrashLoopBackOff、ImagePullBackOff 与部署失败等场景演示怎么从人工排查走向可审计、可控的 AI 辅助运维。作者反复强调三类失败模式——自信的误诊、过宽的动作，以及经由日志和注解的提示注入；并给出一个很硬的判断：一个写着「永远不要做破坏性操作」的系统提示词只是请求，不是控制，控制必须活在模型之外的身份、权限、策略和人审环节里，经验法则是「模型提议，平台处置」。