zachhersick/anomalyops-copilot

# AnomalyOps Copilot AnomalyOps Copilot 是构建在我的工业异常检测与告警平台之上的 AI 工程层。 原始平台生成合成工业传感器数据，构建时间序列特征，训练异常检测模型，创建告警事件，将结果存储在 SQLite 中，暴露 FastAPI 端点，并在 Streamlit 中展示监控结果。 本项目增加了以下内容： - repository 和 metrics 的接入 - 带有元数据的文档分块 - 使用 Postgres 和 pgvector 进行向量搜索 - 带引用的基于事实的问答 - 用于告警分诊的结构化工具调用 - 针对检索、引用、拒绝和 schema 有效性的评估测试 ## 与源平台的关系 这是一个独立的项目。它不会重新训练异常模型。它接入来自已完成的异常检测平台的选定源文件、文档、metrics 和示例告警输出，然后将它们用作 copilot API 的上下文。 ## 目标架构 ``` source files/docs/metrics/alerts ↓ ingestion + chunking ↓ Postgres + pgvector ↓ retrieval ↓ grounded answer generation ↓ FastAPI copilot endpoints ↓ evals and tests ```

标签：AI工程, AV绕过, FastAPI, Kubernetes, LLM评估, Ollama, pgvector, RAG, 工业异常检测, 测试用例, 逆向工具