用途：在 CAST AI 环境中调优节点与工作负载的自动扩缩容，使垂直、水平与节点变更相互独立，确保账单下降不会掩盖服务退化。
主要能力：结合请求速率、延迟、错误、Pod requests、副本数、pending 时间、驱逐、节点供给与策略变更构建时间线；检查生效的工作负载策略（策略分配、推荐百分位、开销、优化阈值、最小/最大资源、置信度、自动化状态）；区分 Immediate 与 Deferred 应用模式；协调原生 autoscaling/v2 HPA 与 CAST AI 的所有权；检查节点容量、亲和性、拓扑、污点、资源形态与调度事件。
使用方式：用 Read 和 Grep 对齐指标与配置证据；用 Bash(kubectl:*) 做有界的非敏感检查（工作负载、HPA、PDB、事件、节点）；用 Write 或 Edit 记录单一假设、单一配置变更、性能与成本护栏、观察窗口及回滚方案。每次只改一个变量，比较同一流量类别并保留 SLO 证据后再扩大范围。
适用场景：工作负载因副本稳定化与垂直 requests 同时变化而振荡；需要判断症状出现在 CAST AI 动作之前还是之后；需要验证生效策略而非注解文本。
限制与前置条件：需要工作负载 SLO、错误预算、流量画像与代表性观察窗口；需要生效的扩缩容策略、注解、HPA、PDB、节点模板与集群限制；需要 metrics-server 与健康的 CAST AI 组件。注解 YAML 无效会被忽略，无效策略名可能回退到系统策略。指标缺失或错位时应停止调优并修复可观测性；PDB 阻塞替换时优先 Deferred 模式；SLO 回退时即使成本改善也应立即回滚。具体命令与配置细节暂未提供。