sonasathishkumar/AI-Incident-Management-System

# 🚀 AI 事件管理系统 一个 **基于 AI 的事件管理平台**，旨在自动分析系统事件、分类严重等级，并通过交互式仪表板提供智能分流洞察。 该项目展示了一个**生产级全栈 AI 应用**，结合了后端 API、身份验证、自动化分析和实时监控仪表板。 ## 📌 项目概述 现代 IT 系统每天会产生数千个告警。人工处理事件会延长响应时间并增加运营风险。 **AI 事件管理系统**通过以下方式解决了这一问题： * 自动分析事件描述 * 分类事件严重程度 * 识别受影响的组件 * 建议可能的根本原因 * 通过实时指挥中心仪表板可视化事件 ## ✨ 栀心特性 ✅ 安全的用户身份验证（基于 JWT） ✅ 基于 AI 的事件分析 ✅ 自动严重程度分类 ✅ 事件创建与跟踪 ✅ 实时监控仪表板 ✅ 基于角色的访问支持 ✅ RESTful FastAPI 后端 ✅ 交互式 Streamlit UI ✅ 数据可视化与指标 ## 🏗️ 系统架构 ``` User → Streamlit Dashboard → FastAPI Backend → AI Analysis Engine → Database ``` ### 组件 * **前端：** Streamlit 高级仪表板 * **后端：** FastAPI REST API * **AI 层：** 基于 Rule/LLM 的事件分析 * **数据库：** JSON / 本地存储 * **身份验证：** JWT Token 安全机制 ## 🛠️ 技术栈 | 层级 | 技术 | | ---------------- | ---------------------- | | 后端 | FastAPI | | 前端 | Streamlit | | 编程语言 | Python | | 可视化 | Plotly | | API 通信 | Requests | | 身份验证 | JWT | | 服务器 | Uvicorn | | 部署 | Render + Streamlit Cloud | ## 🔐 身份验证流程 1. 创建用户 (`/users`) 2. 登录 (`/login`) 3. 复制 Access Token 4. 将 Token 粘贴到仪表板侧边栏 5. 执行事件操作 ## 📡 API Endpoints | 方法 | Endpoint | 描述 | | ----- | ------------ | ----------------- | | POST | `/users` | 创建用户 | | POST | `/login` | 验证用户 | | POST | `/incident` | 创建 AI 事件 | | GET | `/incidents` | 获取事件列表 | ## 📊 仪表板功能 * 事件概览指标 * 严重程度分布图表 * 事件监控面板 * AI 事件创建界面 * 实时事件更新 ## 🔮 未来增强功能 * 基于 LLM 的根本原因分析 * 邮件 / Slack 告警集成 * 事件自动解决建议 * 数据库迁移（PostgreSQL） * 多用户角色仪表板 * 云监控集成 ## 🎯 使用场景 * IT 运营监控 * DevOps 事件跟踪 * 服务器健康管理 * AI 辅助支持系统 * 企业监控工具

标签：AV绕过, FastAPI, IT运维, Kubernetes, Python, Socks5代理, Streamlit, 事件管理, 字符串匹配, 无后门, 访问控制, 逆向工具