fwasi123/enterprise-cloudops-ai-agent

# 企业级 CloudOps AI Agent 面向生产环境的 AI 驱动的 CloudOps 故障排查与修复助手，基于 Azure OpenAI、Azure AI 搜索、Kubernetes 运维工作流、Sysdig 可观测性以及企业级自动化实践构建。 # 概述 本项目展示了一个企业级的 Agentic AI 平台，能够实现： - AI 驱动的事件分析 - Kubernetes 故障排查 - Terraform 修复工作流 - 根因分析 - 生产运维指导 - 自动化修复审批工作流 - 企业级可观测性集成 # 企业级架构 核心组件包括： - Azure OpenAI - Azure AI 搜索 - 向量存储检索 - Kubernetes 修复工作流 - Terraform 运维自动化 - Sysdig 可观测性集成 - 生产审批流水线 架构文档： ``` docs/architecture.md ``` # 生产功能 ## AI 事件分析 AI 助手执行以下操作： - Pod 健康分析 - 资源压力分析 - 部署验证 - 根因识别 - 回滚建议生成 ## Kubernetes 运维工作流 支持的生产场景： - CrashLoopBackOff - OOMKill 修复 - 部署失败 - 存活/就绪探测失败 - 节点资源耗尽 运维手册位置： ``` docs/runbooks/kubernetes-crashloopbackoff.md ``` ## Terraform 基础设施修复 平台支持： - 漂移检测 - 基础设施验证 - 回滚流程 - 安全策略验证 - RBAC 分析 运维手册位置： ``` docs/runbooks/terraform-remediation.md ``` # 企业级安全控制 - RBAC 强制实施 - 人工审批工作流 - 审计日志记录 - 最小权限原则 - 默认只读诊断 # AI 运维工作流 1. 事件检测 2. AI 检索运维知识 3. AI 执行根因分析 4. AI 生成修复方案 5. 请求人工审批 6. 执行自动化修复 7. 必要时支持回滚 # 企业级工具集 集成技术： - Azure OpenAI - Azure AI 搜索 - Kubernetes - Terraform - Sysdig - Prometheus - Azure Monitor - GitHub Actions - Azure DevOps # 未来增强 - ServiceNow 集成 - Slack / Teams 通知 - 自主修复流水线 - 多集群 AI 运维 - 实时事件关联 - Agentic SRE 编排 # 生产设计目标 - 降低平均修复时间（MTTR） - 提升运维一致性 - 自动化重复性修复任务 - 增强可观测性驱动运维 - 启用 AI 辅助 CloudOps 工作流 # 状态 企业级概念验证环境 已实现生产风格的架构和运维工作流。

标签：AIOps, Azure AI Search, Azure OpenAI, CloudOps, ECS, RBAC, Terraform, 云运维, 人工智能运维, 企业级, 修复工作流, 向量存储, 向量搜索, 回滚, 大语言模型蜜罐, 子域名突变, 安全控制, 容器编排, 批准工作流, 故障排除, 智能运维, 根因分析, 生产级, 网络调试, 自动化, 自定义请求头, 观测性