qinshihu/itops-agent-platform

解决的问题

ITOps Agent Platform 解决了传统 IT 运维效率低下和压力大的问题。该平台将从接收告警到验证的整个生命周期自动化，将响应时间缩短至 3 分钟以内，而不是每个事件花费 30-60 分钟进行手动排障（VPN 登录、SSH、命令行调查）。

工作原理

该平台利用多智能体 AI 系统实现“感知 $\rightarrow$ 诊断 $\rightarrow$ 决策 $\rightarrow$ 执行 $\rightarrow$ 验证”的闭环工作流：

1. 告警集成：通过 Webhooks 从 Prometheus 或 Zabbix 等工具接收告警。
2. AI 诊断：多个 AI 智能体协作分析日志和指标，以查找根本原因并生成自然语言报告。
3. 决策与审批：AI 生成结构化的修复命令和风险评估，并推送到移动应用（WeCom、DingTalk）进行人机回环 (HITL) 审批。
4. 执行：审批通过后，平台通过 SSH 或 API 执行命令并自动验证结果。
5. 基础设施管理：提供统一的界面来管理 Docker 容器、VMware/KVM 虚拟机、Kubernetes 集群和物理数据中心资产（包括 3D 数字孪生）。

适用对象

• 运维工程师 & SRE：消除深夜手动排障和工具切换。
• IT 经理/CTO：从被动的“靠运气”恢复转向自主的自愈策略。
• 中小企业：作为 PagerDuty、Rundeck 和 Portainer 等昂贵商业套件的免费开源替代方案。
• 安全团队：确保所有修复操作都经过审计和批准。

亮点

• 多智能体编排：使用 12 个专门的 AI 智能体进行协作推理，而不是单次 LLM 调用。
• 全链路自动化：实现了从告警到验证的完整路径工程实现。
• 人机回环 (HITL)：集成的移动审批流程，确保生产环境的安全。
• 统一基础设施控制：将容器、虚拟机、K8s 和网络设备管理整合在一个平台中。
• 命令安全引擎：包含安全策略和基于角色的访问控制，以过滤危险的 AI 生成命令。
• 本地 AI 支持：支持本地 LLM 部署，将敏感的运维数据保留在企业边界内。