【免费下载链接】itops-agent-platformChinas 1st enterprise multi-agent IT ops platform. LLM-powered auto-remediation for Zabbix/Prometheus. Docker deploy.项目地址https://gitcode.com/gh_mirrors/it/itops-agent-platform点击查看免费下载当服务器凌晨告警时传统排查要登录终端、翻日志、查变更记录耗时 30-60 分钟。而ITOps Agent Platform的AI 根因分析RCA能把这个过程压缩到3 分钟告警一触发平台自动收集服务器拓扑、变更记录、关联告警和知识库案例交给 LLM 推理出根本原因并顺手生成修复建议推动告警 → 诊断 → 修复 → 验证的运维闭环。ITOps Agent Platform 运维自动化平台仪表盘总览.png)为什么需要 AI 根因分析传统运维的故障定位有三大痛点痛点传统方式AI 根因分析定位慢人工 SSH 排查30-60 分钟自动推理 3 分钟靠经验依赖老员工脑内知识知识库 RAG 规则库持续沉淀信息孤岛监控、变更、拓扑各看各的一次分析聚合多维上下文一句话根因分析解决的是为什么坏了而不是哪里坏了。告警只告诉你磁盘满了RCA 告诉你日志轮转没配置导致 /var/log 撑爆。AI 根因分析工作原理四步闭环整个分析引擎位于 backend/src/modules/ai/services/rca/ 目录核心流程分四步第 1 步告警触发自动分析新告警进入平台后处理流水线会检查系统设置auto_root_cause_enabled若开启则立即发起根因分析无需人工干预。编排逻辑见 alertProcessingPipeline.ts。第 2 步自动聚合多维上下文这是 RCA 质量的关键。分析器在 rcaAnalyzer.ts 中一次性收集5 类上下文服务器拓扑— 这台机器上下游连了谁故障会向哪里传播24 小时变更记录— 昨晚发版后就开始报警这类根因一目了然服务器实时状态— 名称、IP、健康状态近 1 小时关联告警— 判断是单点故障还是级联故障知识库匹配— 用 RAG 检索历史案例最相关的 5 条作为参考第 3 步LLM 结构化推理上下文填充进 rcaPrompt.ts 中的专家提示词后LLM 必须以严格 JSON 输出 7 要素分析结果字段含义root_cause根因描述一句话讲清为什么root_cause_type根因分类配置 / 部署 / 硬件 / 网络 / 应用 / 外部confidence置信度0~1低置信度会提示人工复核affected_chain受影响设备链按传播顺序排列timeline故障时间线什么时间发生了什么evidence支持判断的证据列表recommendations修复建议 预防措施 结构化输出意味着结果可以直接被前端渲染、被下游修复流程消费而不是一段看不懂的 AI 小作文。第 4 步三层容错降级保证永远有结果生产环境 LLM 可能不可用所以 index.ts 设计了三级降级策略层级引擎触发条件第一层LLM 智能分析上下文推理正常路径第二层本地规则引擎LLM 调用失败时降级第三层通用回退分析规则也不匹配时兜底本地规则引擎localRuleEngine.ts内置 CPU 过高、内存泄漏、磁盘写满、网络中断、服务宕机、数据库异常等故障模式库通过关键词匹配即可给出根因和排查命令毫秒级返回——即使断网没有 LLM平台依然能工作。从根因到修复RCA 如何衔接 AI 修复RCA 不是终点。分析完成后服务会执行桥接动作index.ts定位设备— 通过告警关联表或从标题/内容中提取 IP找到对应的服务器或网络设备提取命令— 用正则从recommendations中识别出可执行的修复命令systemctl、docker、df 等触发修复— 调用 AI 修复服务创建执行任务高危告警标记为高风险走人工审批后才落地配合平台内置的脚本中心常见排查动作都可直接复用ITOps Agent Platform 脚本中心系统巡检、日志清理等可复用运维脚本.png)如何在平台上使用 RCA三种使用方式由浅入深① 全自动推荐在系统设置中开启自动根因分析配置项auto_root_cause_enabled之后每条新告警都会自动生成 RCA 报告结果通过 WebSocket 实时推送到告警与 AI 分析菜单。② 手动触发在前端根因分析页面源码见 RootCauseAnalysis.tsx选择一条告警点击分析支持同步等待或异步任务 轮询两种模式。③ API 调用接口定义在 rootCauseAnalysisRoutes.ts常用端点包括POST /root-cause-analysis/auto-analyze/:alertId— 对指定告警发起自动分析POST /root-cause-analysis/:id/analyze-async— 异步分析返回 jobId 供轮询GET /root-cause-analysis/stats— 查看分析统计分析结果持久化在 rcaRepository.ts状态流转为pending → analyzing → completed / failed全链路可追溯。常见问题Q没有配置 LLM 能用吗可以。自动降级到本地规则引擎基于故障模式库给出分析和排查命令只是缺少拓扑级推理深度。Q分析结果可信度怎么看看confidence字段和evidence列表。证据引用了变更记录或关联告警时可信度更高低置信度结果平台会建议人工复核。Q支持哪些监控源Zabbix、Prometheus 等主流监控的告警均可通过 Webhook 接入RCA 对告警来源无感。总结ITOps Agent Platform 的 AI 根因分析把老运维的排查思路工程化了多维上下文聚合 → LLM 结构化推理 → 规则引擎兜底 → 修复建议直达执行。对于值班工程师它意味着半夜告警时不用爬起来敲命令——打开手机看一眼 RCA 报告、点个同意剩下的交给平台。想了解多 Agent 协作与自动修复的更多细节可以继续阅读 backend/src/modules/ai/README.md 与 backend/src/modules/alerts/README.md。赞分享【免费下载链接】itops-agent-platformChinas 1st enterprise multi-agent IT ops platform. LLM-powered auto-remediation for Zabbix/Prometheus. Docker deploy.项目地址https://gitcode.com/gh_mirrors/it/itops-agent-platform点击查看免费下载相关推荐Phoenix根因分析工具快速定位LLM应用问题源头Phoenix根因分析工具快速定位LLM应用问题源头 你是否还在为LLM应用的神秘故障焦头烂额用户反馈回答质量下降却找不到原因推理延迟突增但无从下手Ph可观测性人工智能大模型LLMOpsAI 评测模型评测链路追踪后端weibaohui/kom故障管理事故响应与根因分析weibaohui/kom故障管理事故响应与根因分析 概述 在现代Kubernetes运维体系中故障管理是保障业务连续性的核心环节。weibaohui/ko后端云原生集群管理MCP 服务运维终极故障根因分析指南从异常到解决方案的完整路径终极故障根因分析指南从异常到解决方案的完整路径 在软件开发过程中故障根因分析是确保系统稳定性和可靠性的关键技能。无论是新手开发者还是经验丰富的工程师掌握有文档教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考