# AI-Ops · 精选电子书书单

> 面向"售前技术"角色。可合法免费获取的资料直接列官方链接。选取标准：偏实践、少理论——
> 本模块是实践学科，书单以"活水源文档"为主（arXiv 类可下载项天然少），纯理论最多 1–2 本且标明可选读。
> 时效性事实核实日期：2026-07-10（依据见 raw-data/2026-07-10-联网核实笔记.md）。
> 链接可达性复核：2026-08-01（本轮只核链接是否可达且对题，事实项核实日期见上行）。

| # | 书名 | 作者/机构 | 类型 | 一句话简介 | 覆盖子主题 | 获取方式 |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | OTel GenAI 语义约定 + 官方博客《Inside the LLM Call》 | OpenTelemetry | 🛠️实践 | 追踪标准的规范原文与官方解读：span 四类、client span 已稳定——第 2 章的活水源 | 第 2 章 Tracing | 🔗 免费：<https://github.com/open-telemetry/semantic-conventions-genai> · <https://opentelemetry.io/blog/2026/genai-observability/> |
| 2 | Langfuse 官方文档（自托管 / 在线评估 / OTel 接入） | Langfuse | 🛠️实践 | 开源观测主力的一手实操：自托管部署、评分器、评审队列 | 第 3/7 章 | 🔗 免费：<https://langfuse.com/docs> |
| 3 | Braintrust 持续评估实践文集（trace classifications / online scoring） | Braintrust | 🛠️实践 | 在线评估闭环讲得最系统的一组实践文：采样打分、数据集晋升 | 第 3 章在线评估 | 🔗 免费：<https://www.braintrust.dev/articles/continuous-evaluation-ai-agents-trace-classifications-2026> |
| 4 | 《Site Reliability Engineering》（Google SRE Book） | Google | 🛠️实践 | 事故响应、on-call、错误预算的方法论之根——AI Ops 是它的延伸不是替代 | 第 6 章事故响应 | 🔗 免费在线全文：<https://sre.google/sre-book/table-of-contents/> |
| 5 | 《AgentOps: Enabling Observability of LLM Agents》 | arXiv 2411.05285 | 🛠️实践 | agent 可观测的分类学短文：该记录哪些工件与数据，做仪表盘前先读 | 第 2/7 章 | 🔗 官方免费下载：https://arxiv.org/pdf/2411.05285（5 页） |
| 6 | Arize Phoenix 文档（drift / embeddings 分析） | Arize | 🛠️实践 | 漂移检测统计功底的来源：嵌入距离、聚类分析的可运行工具 | 第 4 章漂移 | 🔗 免费：<https://docs.arize.com/phoenix> |
| 7 | Datadog LLM Observability 文档 | Datadog | 🛠️实践 | APM 系视角的 LLM 观测：企业客户最常见的起点，知己知彼 | 第 7 章工具格局 | 🔗 免费：<https://docs.datadoghq.com/llm_observability/> |
| 8 | 提示词版本化与变更管理实践（2026-03） | tianpan.co / Arthur / Braintrust | 🛠️实践 | 版本注册表、评估门禁、金丝雀+回滚的落地参照 | 第 5 章发布管理 | 🔗 免费：<https://tianpan.co/blog/2026-03-13-prompt-versioning-change-management-production> |
| 9 | 《Reliable Machine Learning》 | O'Reilly（Chen 等 + Google SRE 团队） | 🛠️实践 | ML 系统运维的系统性纸书：SLO、发布、事故的 ML 化 | 全模块骨架 | 🔗 付费，正规渠道：<https://www.oreilly.com/library/view/reliable-machine-learning/9781098106218/> |
| 10 | NIST AI 600-1（GenAI Profile） | NIST | 📖理论·可选读（治理） | 事故响应与风险治理的官方框架背书（与 Security 模块 #3 同一份，两处共用） | 第 6 章治理面 | 🔗 官方免费下载：https://doi.org/10.6028/NIST.AI.600-1（2024-07-26 发布） |

## 阅读建议（按售前场景排优先级）

1. **先读 3**（Braintrust 在线评估文集，一小时）：本模块的灵魂是"评估指标变成监控指标"，这组文章把闭环讲得最完整。
2. **搭 demo / 做 POC 时用 2 + 6**（Langfuse 自托管 + Phoenix）：全开源栈半天可起，客户看得见摸得着。
3. **对客讲标准时引 1**（OTel GenAI）：说得出"client span 已稳定、agent span 实验中"这个精确口径，专业度立现。
4. **写事故响应方案时翻 4 + 10**（SRE Book + NIST）：方法论之根 + 治理背书，方案书引用有出处。
5. **9 留作系统深入**；5 是五页短文，做仪表盘设计前顺手读掉。

> 链接探活：2026-09-05（逐条打开验证；被反爬拦的页面以官方佐证核实）。