William-Lu-stack/Flawless

What it solves

Flawless 是一个 AI 原生 SRE（Site Reliability Engineering）控制平面，旨在超越简单的基础设施管理 AI 对话界面。它通过将发现、诊断和修复连接成一个单一且可审计的循环，解决了 Kubernetes 和云端环境中的可观测性碎片化以及风险高、未经验证的手动修复问题。

How it works

Flawless 实现了 ""AgenticOps Loop"" (discover → diagnose → preview → approve → execute → verify → learn)。它使用大语言模型（LLM）作为规划者和解释者，但保持实际执行边界的分离。系统会收集证据（日志、指标、拓扑和事件），生成修复计划，要求人工审批，通过受控工具（如用于渐进式交付的 Argo Rollouts）执行变更，并验证原始故障症状是否真的消失了，而不是仅仅假设命令执行成功。

Who it’s for

它是为管理 Kubernetes 和云端基础设施的 SRE 和平台工程师设计的，这些工程师需要一种安全、自动化的方式来处理故障、进行根因分析，并维护一个可重复使用的操作 ""Skills"" 库。

Highlights

• Verified Recovery: 应用修复后会测试原始故障症状，以证明系统已真正恢复。
• Controlled Remediation: 集成了人工审批、RBAC 和试运行（dry-runs）以确保 AI 不会进行无引导的变更。
• Progressive Delivery: 使用 Argo Rollouts 进行金丝雀部署和修复期间的风险控管容量恢复。
• Skills Library: 将专家操作知识编码为代理的可移植、可重复使用的 skills。
• Topology Impact Analysis: 基于 eBPF 的 2D/3D 拓扑和数据流适配器，用于分析故障的爆炸半径（blast radius）。
• Knowledge Base: Supports RAG (Retrieval-Augmented Generation) 通过允许用户上传 runbooks、日志和文档。