Arvo-AI/aurora

解決的問題

Aurora 自動化了系統事件發生時，值班工程師面臨的繁瑣手動調查流程。無需在警示觸發後花費一小時手動檢查儀表板、執行 CLI 命令、搜尋日誌，Aurora 會自主進行問題分類，並在工程師開始工作前就提供結構化的根本原因分析（RCA）。

如何運作

Aurora 使用由 LangGraph 驅動的 AI 代理，能夠從超過 30 種工具中動態選擇，以調查技術堆疊。這些代理在沙箱化的 Kubernetes Pod 中執行命令（如 kubectl、aws、az 和 gcloud），以確保安全性。系統與常見的告警工具（PagerDuty、Datadog 等）整合，可自動觸發調查，並使用知識圖譜追蹤故障在服務間的擴散範圍。它還能建議程式碼修復方案，並產生用於修復的拉取請求（PR）。

適用對象

負責管理複雜多雲或內部部署基礎設施的 SRE、DevOps 工程師以及值班開發者，希望減少在故障排查與事後文件撰寫上所花費的時間。

主要亮點

• 代理式調查：在安全沙箱中自主執行基礎設施命令的智能代理。
• 自動產生事後報告：生成包含時間軸與影響評估的詳細報告，可匯出至 Notion 或 Confluence。
• AI 程式碼修復：不僅診斷問題，還能提出修復建議並產生 PR。
• 基礎設施知識圖譜：可視化依賴關係，幫助理解故障對整個系統的影響。
• 廣泛整合支援：支援主流雲端服務商（AWS、Azure、GCP）、監控工具，以及多種 LLM（OpenAI、Anthropic、Ollama 用於離線環境）。