RCA质量分析工具

RCA质量分析师

Jira事件和缺陷的本地人工智能RCA评估

该项目提供了 本地、隐私友好的人工智能工具 评估Jira事件或缺陷的根本原因分析（RCA）的质量。

它对RCA进行评分，识别差距，提出改进建议，并通过以下方式展示相同的能力：

• 一 人性化的Web用户界面
• 一 机器友好型MCP服务器 （适用于AI代理和工具）

🎯 问题陈述

在许多IT组织中：

• 根本原因分析不一致
• 症状与病因混淆
• 预防措施薄弱或缺失
• 同样的事件再次发生

此工具有助于回答：

“这个RCA真的好吗？如何改进？”

✅ 这个工具做什么

对于每个事件/缺陷，它可以：

• 对RCA质量进行评分(0–100)
• 评估五个维度：
  • 清晰度和结构
  • 根本原因深度
  • 证据和特异性
  • 纠正措施质量
  • 预防措施强度
• 高亮 优势和差距
• 提议 具体改进
• 重写RCA 不捏造事实
  • 缺失的证据明确标记为 [NEEDED: …]

🧠 架构概述

        ┌──────────────┐
        │ Streamlit UI │  (Human-in-the-loop)
        └──────┬───────┘
               │
               ▼
        ┌──────────────┐
        │ Core Logic   │  rca_scoring.py
        └──────┬───────┘
               │
┌──────────────┴──────────────┐
▼                             ▼

┌──────────────┐ -------------
│ 法学硕士（Ollama）│ MCP服务器 └──────┬───────┘ -------------

🧩 组件

prompts.py

定义 RCA质量标准:

• 评价量规
• 批判逻辑
• 改善规则（无幻觉）

此文件表示 策略层 该系统是故意的 与代码分开进行治理和版本控制。

rca_scoring.py

核心域逻辑：

• 与当地LLM（Ollama）沟通
• 评估RCA
• 运行批评和改进步骤

此模块是 UI无关 和 API认识论.

app.py （流线型UI）

人机界面：

• 上传Jira CSV导出
• 地图栏
• 审核分数和反馈
• 运行批评和改进步骤

设计用于 人在循环 使用。

mcp_server.py

面向机器的界面：

• 将RCA评估作为MCP工具公开
• 使AI代理能够调用：
  • list_incidents
  • get_incident
  • evaluate_incident_by_id

这使得该项目 平台就绪 面向未来。

batch.py

CLI批处理：

• 一次得分多个事件
• 导出CSV结果
• 可用于报告和趋势分析

🔒 隐私和安全

• 跑 完全在当地
• 不需要云LLM
• 没有数据离开机器
• 非常适合敏感事件数据

🚀 快速入门（macOS）

需求

• Python 3.11+
• 奥拉玛

设置

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
ollama pull llama3.1:8b

streamlit run app.py

export RCA_CSV_PATH="./data/example_incidents.csv"
python mcp_server.py


---


🛣️ Roadmap
Batch critic & improvement reports
Trend dashboards (RCA quality over time)
Auto-mapping for common Jira exports
Direct Jira API integration via MCP
Evaluation metrics & regression testing
⚠️ Disclaimer
This tool supports RCA reviews but does not replace:
incident ownership
engineering judgment
post-incident accountability
It is designed to augment, not automate responsibility.