给 AI 基础设施巡检脚本加上只读、退出码和审计巡检脚本最怕两件事只打印一堆“看起来不对”的文本或在判断不充分时直接改资源。先把检查和处置拆开脚本才适合接入日常运维。输出要能被程序消费每个检查项应包含对象、观察值、判定依据和时间。正常、发现问题、检查失败使用不同退出码权限不足、接口超时与确实异常也要分开。涉及请求内容或凭证时只记录必要的脱敏摘要。第一阶段默认只读可检查模型副本未就绪、任务队列积压、证书临近到期、配置漂移和异常重启。阈值从配置读取并标明负责人文章不替具体环境虚设数值。修复动作单独授权自动处置需要显式参数、幂等键、影响范围和审计记录。删除 Pod、切换流量或修改副本数之前再读取一次目标状态避免基于过期结果操作。脚本验收不只看成功路径。还要模拟 API 不可用、返回字段缺失、重复执行和中途取消确认退出码稳定且失败不会留下半完成变更。这样的巡检才是真正能托底的基础设施工具。