HolmesGPT/holmesgpt

HolmesGPT – 一个 AI 驱动的 SRE 助手

它是什么 – HolmesGPT 是一个开源 AI 代理，旨在帮助站点可靠性工程师调查生产事故并发现根本原因。它连接广泛的可观测性、云原生和工单系统，运行一个 代理循环，获取数据，使用大型语言模型进行推理，并返回简洁的分析（甚至修复建议）。

为什么重要 – 现代基础设施生成 PB 级的日志、指标和事件。手动关联这些来源既耗时又容易出错。HolmesGPT 自动化了“检测-调查-修复”循环，可以在 Operator 模式 下持续运行，在用户注意到之前发现问题，并与您已经使用的工具（Kubernetes、Prometheus、Grafana、Datadog、AWS、Azure、GitHub、Slack 等）集成。

---

核心功能（如 README 中所述）

• PB 级数据处理 – 服务器端过滤、JSON 树遍历和流式传输使大型负载远离 LLM 上下文窗口。
• 内存安全执行 – 每个工具的内存限制和输出预算可防止在查询大型可观测性数据集时发生 OOM 崩溃。
• 深度集成 – 内置超过 30 个数据源的工具集（Kubernetes、Prometheus、Grafana、Datadog、AWS、Azure、GCP、Elasticsearch、Loki、Kafka、MySQL/PostgreSQL、MongoDB、Sentry、ServiceNow 等），以及一个通用 REST API 连接器。
• 双向警报/工单流 – 从 AlertManager、PagerDuty、OpsGenie、Jira 等获取警报，并将发现结果写回同一系统或 Slack/Teams。
• LLM 无关 – 通过简单配置，可与任何提供商（OpenAI、Anthropic、Azure、Bedrock、Gemini 等）配合使用。
• Operator 模式 – 作为后台 Kubernetes Pod 运行，持续执行健康检查、检测回归，并通知您（Slack、PR 等）。
• 无需 Kubernetes – CLI 可在虚拟机、裸机或任何容器主机上运行。

---

工作原理（高层）

1. 触发 – 警报、工单或手动查询启动调查。
2. 数据收集 – HolmesGPT 调用适当的工具集（例如，Prometheus 获取指标，Elasticsearch 获取日志，Kubernetes API 获取 Pod 状态）并流式传输结果。
3. LLM 推理 – 收集的数据被馈送到配置的 LLM，该 LLM 生成根本原因假设、诊断步骤和可选的修复操作。
4. 输出 – 结果被发布回源系统（Slack 消息、Jira 评论、PR 等），并可选地通过 Kubernetes 修复工具集执行修复。

README 包含架构图和调查演示的 GIF。

---

入门

• 安装 – 详细文档位于 https://holmesgpt.dev/installation/cli-installation/，涵盖 CLI 安装、Docker 镜像或 Operator 的 Helm 图表。
• 配置 – 设置您的 LLM API 密钥（任何提供商），启用所需的数据源工具集，并配置警报/工单集成（Slack、PagerDuty 等）。
• 使用 – 交互模式用于临时问题，CLI 命令用于 CI/CD 故障排除，或 Operator 用于持续健康检查。

---

许可证与社区

• 许可证 – Apache 2.0。
• 治理 – CNCF 沙箱项目，由 Robusta.Dev 发起，微软贡献。
• 支持 – Slack 频道、社区聚会，以及用于问答的 DeepWiki AI 徽章。
• 贡献 – 提供 CONTRIBUTING.md 和行为准则。

---

底线 – HolmesGPT 是一个生产级、可扩展的 AI 代理，将 LLM 驱动的根本原因分析带到整个云原生堆栈，帮助 SRE 团队减少 MTTR 并自动化常规事件响应。