事件管理工具

🦴 偶发事件操作

人工智能辅助事件检测、分类和治理——基于Kiro的规范驱动工作流构建

IncidentOps是为 Kiro 黑客 马拉松，旨在使在嘈杂的生产环境中更容易看到重复出现的问题。使用 Kiro的规范驱动开发、多代理编排和干净的迭代工作流，以在通常时间的一小部分内构建完整的事件管理系统。

🚀 概述

在实际操作中，重大事件很少以戏剧性的失败开始——它们始于 小重复信号 埋在木头里。 IncidentOps使用一系列协作代理来展示这些模式：

1. 监视器代理 –检测原始日志条目中的异常
2. LLMAlertSummaryAgent –生成人性化的摘要
3. 分类试剂 –指定确定性严重性+类别
4. LLM解决方案代理 –建议基于人工智能的补救措施
5. OpsLogAgent –编写事实审计日志（无解释）
6. LLM管理代理 –执行风险评分、上报、合规
7. LLM治理洞察代理 –分析重复出现的历史模式
8. 通知代理 –如果启用，则向外部发送警报（电子邮件、推送）

所有运行都存储在持久 SQLite数据库，该系统包括一个多页面 流线型UI 用于与管道结果交互。

🧩 架构图

注意：渲染免费层服务可能需要20-40秒才能冷启动。

🖥️ 如何使用该应用程序

1. 打开已部署的Streamlit应用程序 （冷启动可能需要30-60秒）

2. 首选 家 使用示例日志运行完整的管道

3. 浏览侧边栏页面：

   • 管道转轮 → 查看每个代理的输出
   • 治理见解 → 查看跑步中的重复模式
   • 数据库视图 → 检查持续存在的历史事件

4. 多次运行管道——结果将保存在SQLite中

5. 如果设置了环境变量，则可以选择测试NotificationAgent

⚙️ 技术栈

🧠 使用的Kiro功能

• 规范驱动开发 编写结构化规范→ Kiro生成了模块化代理和流。

• 启动任务工作流 允许对每个规范进行干净、确定的执行。

• 氛围编程 使用会话细化迭代地演化组件。

• 挂钩和触发器 互联治理评分+洞察生成。

• 指导文件 确保跨UI、DB、管道和代理的可重复生成。

📦 本地设置

1.安装依赖项

pip install -r requirements.txt

2.设置环境变量（可选但推荐）

OPENAI_API_KEY=your_key
EMAIL_USER=...
EMAIL_PASSWORD=...

3.运行Streamlit UI

streamlit run ui/Home.py

4.目录结构

首次运行时自动创建：

data/db/              # SQLite persistence
data/sample_logs/     # Input samples
logs/                 # Agent + pipeline logs

🔮 未来的增强功能

• 插入真正的可观察性源（CloudWatch、Prometheus）
• 添加基于AI的事件相关性
• 通过风险阈值扩展治理评分
• 集成传出通知（Slack、PagerDuty、Jira）

👤 作者

里玛·拉加瓦 AI+BI+运维系统架构师

🔗 领英： https://www.linkedin.com/in/reema-raghava-28737a11/ 🔗 github： https://github.com/reema14a