AI-CloudOps AIops 服务

English | 简体中文

基于 FastAPI 的内部运维服务，提供预测、根因分析、巡检、助手和 Kubernetes 修复能力。功能依赖部署环境中的 Prometheus、Kubernetes、Redis 与模型供应商；预测和诊断结果需要结合实际环境验证。

生产部署与安全要求见部署说明。生产环境必须提供 AIOPS_API_KEY，Go 后端通过 X-API-Key 调用。历史版本中的集群凭据与 Redis 密码必须轮换后才能投入生产。

知识库文件范围

1.0 仅接受 UTF-8 编码、非空的 .md 与 .txt 文件，单文件及添加文档后的完整文本均不能超过 10 MiB。Word、PDF 等二进制格式需先在本地转换为文本；服务不会将其伪装为可解析文件。

身份、文件名、格式、大小和内容校验通过后才初始化知识索引。上传或添加成功表示新增文档已完成一次必要索引；全库重建是独立的显式操作，可能调用嵌入模型，不应在上传后自动重复执行。

自动修复审批范围

工作流审批绑定可信调用主体，只能确认自己的原计划动作；随机计划ID不替代授权。并发确认、参数变化、权限/命名空间限制、过期与重复请求均会被拒绝。超时或失败可能已产生副作用，禁止盲目重试，必须先核对实际状态。当前为单进程易失审批，不提供跨副本防重保证，完整配额与状态契约见生产说明。

自 SEC-26 起工作流默认只生成计划，所有动作（含 low 风险）都需经 /api/v1/autofix/workflow/confirm 显式确认，且仅限 AUTOFIX_ALLOWED_NAMESPACES 白名单（默认空，即不执行）；/autofix/repair、/autofix/bootstrap 默认关闭（403）；/autofix/bootstrap 开启后 test 命名空间也必须在 AUTOFIX_ALLOWED_NAMESPACES 内（否则 403 AUTOFIX_NAMESPACE_NOT_ALLOWED）。配置项与默认值见自动修复指南。

🎯 核心特性

🤖 智能助手 | 🔮 预测分析 | 🛠️ 自动修复 | 📊 根因分析 | 💡 健康监控

🤖 双模式 AI 助手

RAG + MCP 混合架构，专为运维场景优化

🧠 RAG 模式: 基于向量检索的知识问答，检索部署者提供的运维知识库
🔧 MCP 模式: 按服务端只读策略查询 Kubernetes 指标和 HPA，资源变更使用独立授权工作流
💬 智能对话: 支持上下文理解，多轮对话解决复杂问题
🎯 意图识别: 自动路由到最适合的处理模式

🔮 智能负载预测

机器学习驱动的容量规划

📈 多维预测: QPS、CPU、内存、磁盘使用趋势预测
⏰ 时间窗口: 支持 1-168 小时的预测时间跨度
🎯 精准建议: 智能实例数量和资源配置推荐
📊 置信度评估: 提供预测可信度和风险评估

🛠️ K8s 自动修复

按风险与权限约束执行修复

🔍 智能诊断: 深度分析 Pod、Deployment、Service 状态
🚀 自动修复: 智能重启、扩缩容、配置调整
🛡️ 风险控制: 修复前预检、安全限制、回滚机制
📋 操作记录: 完整的修复日志和影响评估

📊 AI 根因分析

多数据源融合的故障诊断引擎

🔍 数据融合: 整合 Prometheus 指标、K8s 事件、Pod 日志
🧮 异常检测: 基于统计学和机器学习的异常识别
🔗 关联分析: 多维度相关性分析和因果推理
⚡ 快速定位: 整合采集结果生成根因分析

💡 全栈健康监控

端到端的系统状态感知

🌐 多组件监控: LLM 服务、向量存储、K8s 集群、缓存系统
💓 健康检查: 启动探针、存活探针、就绪探针
📊 性能指标: 响应时间、可用性、错误率实时监控
🚨 智能告警: 基于阈值和趋势的多级告警策略

🏗️ 架构设计

graph TB
    subgraph "🌐 接口层"
        A1[REST API<br/>FastAPI]
        A2[WebSocket<br/>流式交互]
        A3[MCP Protocol<br/>工具调用]
    end

    subgraph "🧠 智能代理层"
        B1[AI助手<br/>RAG+MCP]
        B2[预测引擎<br/>ML Models]
        B3[修复代理<br/>K8s Fixer]
        B4[分析引擎<br/>RCA Engine]
    end

    subgraph "💾 数据层"
        C1[Redis向量库<br/>知识检索]
        C2[Prometheus<br/>时序指标]
        C3[Redis缓存<br/>性能优化]
    end

    subgraph "☁️ 基础设施"
        D1[Kubernetes<br/>容器编排]
        D2[Docker<br/>容器化]
        D3[监控告警<br/>Grafana]
    end

    A1 --> B1
    A1 --> B2
    A1 --> B3
    A1 --> B4
    
    A2 --> B1
    A3 --> B1
    
    B1 --> C1
    B2 --> C2
    B3 --> D1
    B4 --> C2
    
    B1 --> C3
    B2 --> C3
    B3 --> C3
    B4 --> C3
    
    C2 --> D3
    D1 --> D2

🔥 技术栈亮点

🚀 后端框架
FastAPI + AsyncIO

🧠 AI 引擎
LangGraph + OpenAI

💾 数据存储
Redis + Prometheus

☁️ 容器化
Docker + K8s

⚡ 快速开始

🎯 一键部署（推荐）

# 1️⃣ 克隆项目
git clone https://github.com/GoSimplicity/AI-CloudOps.git
cd AI-CloudOps

# 2️⃣ 配置环境
cp env.example .env
nano .env  # 配置 LLM_API_KEY 等必要参数

# 3️⃣ 一键启动
chmod +x scripts/deploy.sh
./scripts/deploy.sh

⚙️ 核心配置

# 🔑 必需配置
LLM_API_KEY=sk-your-api-key              # LLM API 密钥
LLM_BASE_URL=https://api.openai.com/v1   # LLM API 地址
LLM_MODEL=gpt-4o-mini                    # 使用的模型

# 🔧 可选配置  
K8S_CONFIG_PATH=~/.kube/config           # Kubernetes 配置
REDIS_PASSWORD=your-secure-password      # Redis 密码
PROMETHEUS_URL=http://localhost:9090     # Prometheus 地址

🎉 验证部署

部署完成后，访问以下地址验证服务状态：

🌐 服务	📍 地址	📝 说明
🚀 主应用	http://localhost:8080	API 服务和文档
🔧 MCP 服务	http://localhost:9000	工具调用服务
📊 监控面板	http://localhost:9090	Prometheus 监控

# ✅ 健康检查
curl http://localhost:8080/api/v1/health

# 📚 API 文档
open http://localhost:8080/docs

🎨 功能演示

💬 智能助手对话示例

🤖 点击查看 AI 助手交互演示

// 💡 RAG 模式 - 知识问答
POST /api/v1/assistant/query
{
  "question": "Kubernetes Pod 一直处于 Pending 状态怎么办？",
  "mode": "rag",
  "session_id": "user123"
}

// 📖 响应示例
{
  "code": 0,
  "message": "查询成功",
  "data": {
    "answer": "Pod 处于 Pending 状态通常有以下几个原因和解决方案：\n\n🔍 **常见原因分析**：\n1. **资源不足** - 集群没有足够的 CPU/内存资源\n2. **调度约束** - nodeSelector、affinity 规则限制\n3. **存储问题** - PVC 无法绑定到 PV\n4. **镜像拉取** - 镜像不存在或权限问题\n\n🛠️ **排查步骤**：\n```bash\n# 查看 Pod 详细信息\nkubectl describe pod <pod-name>\n\n# 查看集群资源状态\nkubectl top nodes\nkubectl get pv,pvc\n```",
    "sources": [
      {
        "title": "Kubernetes Pod 故障排查指南",
        "relevance_score": 0.95
      }
    ],
    "processing_time": 1.2
  }
}

// 🔧 MCP 模式 - 工具调用
POST /api/v1/assistant/query
{
  "question": "帮我查看 default 命名空间下的 Pod 状态",
  "mode": "mcp",
  "session_id": "user123"
}

// 🚀 响应示例
{
  "data": {
    "answer": "✅ **已成功获取 Pod 状态**\n\n📊 **运行状态统计**:\n- 🟢 Running: 5 个\n- 🟡 Pending: 1 个  \n- 🔴 Failed: 0 个\n\n📝 **详细信息**:\n1. **nginx-deployment-xxx** (Running) - CPU: 0.1/0.5, Memory: 128Mi/512Mi\n2. **redis-master-yyy** (Running) - CPU: 0.2/1.0, Memory: 256Mi/1Gi\n3. **worker-job-zzz** (Pending) - 等待调度...",
    "tool_calls": [
      {
        "tool_name": "k8s_pod_tool",
        "execution_time": 0.3,
        "status": "success"
      }
    ]
  }
}

📊 负载预测分析示例

🔮 点击查看智能预测功能演示

// 📈 负载预测请求
POST /api/v1/predict/qps
{
  "service_name": "web-service",
  "current_qps": 500.0,
  "hours": 24,
  "instance_cpu": 2.0,
  "instance_memory": 4.0
}

// 📊 预测结果
{
  "data": {
    "predictions": [
      {
        "hour": 1,
        "predicted_qps": 520.5,
        "confidence_score": 0.95,
        "peak_probability": 0.12
      },
      {
        "hour": 8,
        "predicted_qps": 890.2,
        "confidence_score": 0.88,
        "peak_probability": 0.85
      }
    ],
    "recommendations": {
      "suggested_instances": 6,
      "scale_up_time": "2024-01-01T07:30:00Z",
      "cpu_recommendation": 2.5,
      "memory_recommendation": 5.0
    },
    "analysis": {
      "max_predicted_qps": 1250.8,
      "growth_rate": 1.51,
      "volatility": "中等"
    }
  }
}

🔍 根因分析报告示例

🕵️ 点击查看故障根因分析演示

// 🔍 根因分析请求
POST /api/v1/rca/analyze
{
  "namespace": "production",
  "time_window_hours": 1.0,
  "severity_threshold": 0.7
}

// 📋 分析报告
{
  "data": {
    "root_causes": [
      {
        "cause_type": "resource_exhaustion",
        "title": "🔥 CPU 使用率异常飙升",
        "confidence_score": 0.92,
        "severity": "high",
        "affected_resources": [
          {"type": "pod", "name": "web-app-xxx", "namespace": "production"}
        ],
        "recommendations": [
          {
            "action": "scale_up",
            "description": "建议将副本数从 3 增加到 6",
            "priority": "high",
            "estimated_impact": "可解决当前性能瓶颈"
          }
        ],
        "supporting_evidence": [
          {
            "type": "metric",
            "description": "CPU 使用率峰值达到 98%",
            "timestamp": "2024-01-01T10:15:00Z"
          }
        ]
      }
    ],
    "summary": {
      "total_issues": 2,
      "high_priority": 1,
      "analysis_duration": 2.3
    }
  }
}

📚 API 文档

🚀 核心 API 端点

🎯 模块	📍 端点	📝 功能
🤖 智能助手	`POST /api/v1/assistant/query`	RAG/MCP 双模式问答
🔮 预测分析	`POST /api/v1/predict/qps`	QPS 负载预测
🔍 根因分析	`POST /api/v1/rca/analyze`	综合故障诊断
🛠️ 自动修复	`POST /api/v1/autofix/fix`	K8s 资源自动修复
💡 健康检查	`GET /api/v1/health`	系统健康状态

📖 详细文档

📱 交互式 API 文档: http://localhost:8080/docs
📋 OpenAPI 规范: http://localhost:8080/openapi.json
🔧 MCP 工具文档: app/mcp/README.md

📦 系统要求

🖥️ 最低配置

OS: Linux/macOS/Windows
RAM: 8GB+ (推荐 16GB+)
CPU: 4 核心+
存储: 20GB+ 可用空间

🛠️ 软件依赖

Python: 3.11+
gitleaks: 8.25.0+（提交前密钥扫描；运行 bash scripts/setup-git-hooks.sh 启用钩子，版本过低或无法解析时脚本与 pre-commit 钩子都会失败）
Docker: 20.10+
Docker Compose: 2.0+
Redis: 7.0+
Kubernetes: 1.20+ (可选)

🔧 高级配置

🎯 生产环境优化

# docker-compose.production.yml 资源限制
services:
  aiops-platform:
    deploy:
      resources:
        limits:
          memory: 8G
          cpus: '4.0'
        reservations:
          memory: 4G
          cpus: '2.0'
    environment:
      - ENV=production
      - LOG_LEVEL=INFO
      - REDIS_MAX_CONNECTIONS=50

📊 监控配置

# Prometheus 配置
scrape_configs:
  - job_name: 'aiops-platform'
    static_configs:
      - targets: ['aiops-platform:8080']
    scrape_interval: 15s
    metrics_path: '/metrics'

🔒 安全配置

# 生产环境安全设置
REDIS_PASSWORD=your-secure-password
API_RATE_LIMIT=1000
CORS_ORIGINS=https://your-domain.com
JWT_SECRET_KEY=your-jwt-secret

🚧 路线图

🎯 v2.1.0 (计划中)

🎨 Web UI 管理面板
📊 Grafana 仪表板集成
🔔 多渠道告警通知
🌐 多云平台支持

🚀 v2.2.0 (规划中)

🤝 团队协作功能
📈 成本分析与优化
🛡️ 安全扫描集成
🔄 GitOps 工作流

🤝 贡献指南

我们欢迎任何形式的贡献！🎉

🌟 快速贡献

# 1️⃣ Fork 项目
git clone https://github.com/your-username/AI-CloudOps.git

# 2️⃣ 创建特性分支
git checkout -b feature/amazing-feature

# 3️⃣ 提交更改
git commit -m 'Add amazing feature'

# 4️⃣ 推送分支
git push origin feature/amazing-feature

# 5️⃣ 创建 Pull Request

🎯 贡献类型

🐛 Bug 修复
✨ 新功能开发
📝 文档改进
🔧 性能优化
🧪 测试用例

💬 社区支持

获取帮助的最佳方式

📞 联系方式

🏠 项目主页: https://github.com/GoSimplicity/AI-CloudOps
📧 邮件支持: bamboocloudops@gmail.com
🐛 问题报告: https://github.com/GoSimplicity/AI-CloudOps/issues
💡 功能建议: https://github.com/GoSimplicity/AI-CloudOps/discussions

📜 许可证

本项目基于 MIT 许可证开源。

🌟 如果这个项目对你有帮助，请给我们一个 Star！ ⭐

Made with ❤️ by the AI-CloudOps Team

让 AI 为云原生运维赋能 🚀

最后更新: 2025-09-13 | 版本: v2.0.0

测试

运行 python -m pytest -q，默认执行离线单元和隔离 ASGI 集成，不读取本机 .env，不连接真实基础设施或模型。真实服务、模型计费验收及历史脚本的明确入口见测试说明。

普通助手工具权限

/assistant/query 的 mode=2 与 /assistant/stream 仅提供受审查的计算、统计、换算、UTC 时间、资源指标/配额和 HPA 只读操作。读写混合工具的模型 Schema 被收窄，每次执行前再次严格验证操作、字段、类型和范围；禁止本地文件、任意 kubeconfig、通用资源/Secret YAML、容器环境变量详情及未知工具。模型文本、内部主体或额外参数不能提升此策略。资源变更应走单独授权的 AutoFix 工作流及其硬限制。

独立 MCP /tools/execute 是持有内部服务密钥的高权限入口，保持现有工具能力，不能公开给普通助手用户；发布 Compose 不公开 MCP 端口。集群查询只使用部署时配置的服务身份及 Kubernetes RBAC，不提供用户自选凭据。

内部高权限 apply_yaml 已使用真实 server-side apply，受1MiB/20文档限制；仅支持命名空间资源，先全部服务端dry-run再写入，不force覆盖其他字段管理器。部分成功和未知结果不会报告为全部成功，详见生产契约。

Name		Name	Last commit message	Last commit date
.githooks		.githooks
.github		.github
app		app
config		config
data		data
deploy		deploy
docs		docs
scripts		scripts
tests		tests
.dockerignore		.dockerignore
.gitignore		.gitignore
.gitleaks.toml		.gitleaks.toml
CHANGELOG.md		CHANGELOG.md
Dockerfile		Dockerfile
Dockerfile.mcp		Dockerfile.mcp
LICENSE		LICENSE
README.en.md		README.en.md
README.md		README.md
docker-compose.yml		docker-compose.yml
env.example		env.example
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
requirements.in		requirements.in
requirements.txt		requirements.txt

Latest commit

History

Folders and files

Repository files navigation