ongridio/ongrid

An ops AI Agent that understands your infrastructure, finds the root cause, and fixes it — right from Slack, Telegram, Lark or DingTalk.

解決的問題

Ongrid 是一個由 AI 驅動的運營代理，旨在自動化基礎設施問題的調查與修復。它透過跨系統架構相關聯的指標、日誌與追蹤資料，消除手動進行根本原因分析（RCA）的繁瑣工作，通常能精確定位到問題的具體程式碼行。

如何運作

Ongrid 使用分層代理系統，包含一個協調器，負責將任務分派給專門代理（如 SRE、網路或資料庫代理）。它與可觀察性堆疊（Prometheus、Loki、Tempo、Grafana）整合，並使用基於 RAG 的知識搜尋來索引操作手冊與事件歷史。系統可透過警示或使用者透過 Slack 或 Telegram 等聊天介面提出的查詢觸發，並包含「寫入門檻」機制，確保任何生產環境變更在執行前均需人工審核。

適用對象

專為管理複雜基礎設施（包括 Kubernetes 集群與網路裝置）的 SRE、DevOps 工程師與平台運營人員設計，幫助他們透過自動化調查降低平均修復時間（MTTR）。

主要特色

自動化根本原因分析：關聯可觀察性資料與架構拓撲，找出警示背後的「原因」。
多代理架構：使用協調器與專門代理來處理不同基礎設施領域。
與聊天系統整合：直接在 Slack、Telegram 等即時通訊頻道中運作。
安全存取：提供基於瀏覽器的 SSH shell，支援反向隧道，無需在主機上開放入站埠。
可擴展工具：支援 MCP 伺服器與自訂技能目錄，可新增新的運營工具。
Kubernetes 管理：支援叢集註冊、工作負載檢視與生命週期升級。

這是一個真正能理解系統的 AI，它不只是報告問題，而是主動找出根本原因並提出解決方案。— @onchaindev