AWS在EKS Auto Mode中开源了节点监控代理，自动检测并修复节点故障，如GPU掉线、内核崩溃等。系统通过NodeConditions触发Karpenter自动替换节点，无需人工干预。设计上区分致命与信息事件，避免误判，并优化了CPU抖动以减少对GPU训练的干扰。诊断通过kubectl ekslogs获取日志，无需SSH。整个流程从故障检测到替换约12分钟，显著降低运维负担。