vfarcic/dot-ai

DevOps AI Toolkit – AI‑powered platform engineering for Kubernetes

What it is – 一个 Node‑JS 库 (发布为 @vfarcic/dot-ai)，为 DevOps 工作流注入 LLM 智能。它提供了一套服务和 CLI，可以接入 Kubernetes 基础的平台 (即 MCP – Managed Cloud Platform) 来让运维人员通过自然语言提示词与集群进行交互、获取部署建议，并实现自动化修复。

Core capabilities

• Natural‑language cluster queries – 询问如 “Which pods are using more than 80 % CPU?” 等问题，并获得结构化回答。
• Deployment recommendations – 引擎会分析 manifests，并建议改进措施 (资源限制、最佳实践设置等)。
• Issue remediation & root‑cause analysis – 当检测到故障时，AI 会提出纠正措施并解释原因。
• Policy & pattern management – 将组织策略存储为可复用的提示词，并可自动应用于新仓库。
• Semantic documentation search – 索引内部文档，并通过纯文本查询来检索相关章节。
• Repository bootstrap – 创建预先填充了治理文件 (例如 CODE‑OF‑CONDUCT, SECURITY.md) 的新仓库。
• Shared prompt libraries – 中央化的提示词库确保各团队之间 AI 驱动的工作流是统一的。
• Untrusted‑content boundary – 将原始集群输出与 AI 生成的指令隔离，降低执行恶意建议的风险。

How you get it

• Full stack install – 一个一键式脚本 (参考 Stack Installation Guide) 可在 Kubernetes 集群上配置所有必要的组件 (组件包括 API server, CLI, prompt store, etc.)。
• Individual components – Deployment Guide 解释了如何仅安装你需要的部分 (例如，仅安装 CLI)。
• 该包已发布在 npm (@vfarcic/dot-ai)，并可以添加到任何 Node 项目中。

Typical workflow

1. Connect CLI 或 MCP UI 连接到 Kubernetes 集群。
2. Ask 一个自然语言问题或请求一个任务 (例如：“Create a Helm chart for a Redis cache with high‑availability.”)。
3. AI Engine (基于 Model Context Protocol 和 Vercel AI SDK 构建) 会调用 LLM, 过程处理响应，并返回可执行的输出。
4. (可选) 直接将生成的 manifests 或修复步骤应用到集群中。

Who benefits

• 希望在不编写 kubectl 查询语句的情况下，更快地洞察集群状态的平台工程师。
• 需要针对事件进行快速、AI 辅助的根因分析的 SRE 团队。
• 希望实现自动化、策略合规的仓库脚手架 (scaffolding) 的开发团队。
• 寻求在多个 Kubernetes 环境中嵌入一致的 AI 驱动的最佳实践的组织。

Project health

• Beta 状态 (橙色徽标) – 核心功能可用，但可能仍会演进。
• 活跃的 npm 发布, GitHub stars, 以及 OpenSSF Scorecard。
• 开放式治理：贡献指南, 遵守行为规范, 安全政策, 以及公开的路线图。
• 遥测数据是可选的，可以通过链接的文档来禁用。

Where to learn more

• AI Engine Docs – 详细的 API 和提示词库参考。

• MCP Setup – 如何运行 Managed Cloud Platform UI。

• CLI docs – 命令行使用示例。

• Support – GitHub Issues, Discussions, 和 专用 Support Guide。

---

The DevOps AI Toolkit brings LLM‑driven intelligence to natural‑language requests into concrete Kubernetes actions.