HolmesGPT/holmesgpt

What it solves

HolmesGPT 是一个 AI 代理，旨在自动化生产事故的调查与根因识别。它减少了站点可靠性工程师（SRE）在各种基础设施栈中筛选日志、指标和警报所需的手动工作量。

How it works

它使用代理循环从各种来源查询实时可观测性数据。它可与 Prometheus、Grafana、Datadog、Kubernetes 以及各大云服务提供商（AWS、Azure、GCP）集成。代理能够从 PagerDuty 或 Jira 等系统获取警报、分析数据，并将结果写回 Slack 或原始工单。

此外，它具备“Operator Mode”，可在后台 24/7 运行，主动发现问题并通过 Slack 通知用户，甚至可以打开 GitHub PR 来应用修复。

Who it’s for

此工具主要面向管理包含 Kubernetes、虚拟机、云服务和 SaaS 平台的复杂生产环境的 SRE 与 DevOps 工程师。

Highlights

• Broad Integration Ecosystem：支持大量数据源，包括主要云服务提供商、数据库和可观测性工具。
• Scale-Aware Data Handling：使用服务器端过滤和输出预算，处理 PB 级数据而不超出 LLM 上下文窗口。
• Memory-Safe Execution：实现每个工具的内存限制与磁盘流式写入，防止大查询时 OOM 被杀。
• LLM Agnostic：兼容多种提供商，包括 OpenAI、Anthropic、Azure、Bedrock 与 Gemini。
• Read-Only Safety：以只读访问和 RBAC 为前提设计，确保安全的生产部署。