mehmetcamofficial/opspilot-qwen

# OpsPilot：基于 Qwen 的多 Agent 事故指挥官 OpsPilot 是一个基于 Qwen 的多 Agent 事故响应和修复系统，专为使用 Qwen Cloud 参加全球 AI 黑客松而构建。 它可以帮助工程和 SRE 团队调查生产事故、对证据进行推理、规划安全的修复方案、请求人工批准、执行受控操作以及生成事后总结报告。 ## 黑客松赛道 主赛道：**Track 4: Autopilot Agent** 次要优势：**Track 3 风格的 Agent Society**，因为 OpsPilot 使用了多个具有独立职责的专用 Agent。 ## 在线前端 前端部署地址： https://opspilot-qwen.vercel.app 注意：Vercel 在线前端已成功部署。在阿里云/Qwen Cloud 黑客松额度激活之前，后端目前仍在本地运行。生产环境的后端 URL 稍后将替换 `NEXT_PUBLIC_API_BASE_URL`。 ## 代码仓库 https://github.com/mehmetcamofficial/opspilot-qwen ## 问题背景 生产事故往往伴随着大量噪音、高压环境以及高昂的成本。 在事故发生期间，团队通常需要手动检查告警、日志、指标、部署历史、runbook、过往事故、修复方案、风险策略以及事后总结记录。 这会导致延迟、不确定性以及运维风险。 ## 解决方案 OpsPilot 将事故响应转化为结构化的多 Agent 工作流。 它可以： * 接入事故告警 * 对严重程度和爆炸半径进行分类 * 分析指标、日志和部署历史 * 检索相关的 runbook 和过往事故 * 生成排序后的根因假设 * 提出修复建议 * 应用风险和安全策略 * 对高风险操作请求人工批准 * 模拟受控修复 * 对比操作前后的指标 * 生成事后总结报告 ## 核心演示场景 演示事故为： **缓存配置回退导致的 Checkout API 延迟突增。** 系统检测到： * checkout 延迟增加 * 缓存命中率骤降 * 数据库延迟增加 * 缓存未命中回退日志 * 近期与缓存相关的配置更改 OpsPilot 得出结论，最可能的根本原因是缓存配置回退，并建议在人工批准的情况下进行回滚操作。 ## Agent 工作流 OpsPilot 使用了以下专用 Agent： 1. Triage Agent 2. Observability Agent 3. Runbook Retrieval Agent 4. Hypothesis Agent 5. Remediation Planner Agent 6. Risk & Safety Agent 7. Approval Agent 8. Remediation Executor 9. Execution Review Agent 10. Postmortem Agent 每个 Agent 都会返回结构化的 JSON，并为易于审计的事故时间线提供数据支持。 ## Qwen Cloud 使用说明 OpsPilot 包含一个兼容 Qwen 的客户端： `backend/app/services/qwen_client.py` Agent 系统旨在通过 OpenAI 兼容的 chat completions 接口调用 Qwen Cloud。 当前安全的演示模式： `USE_MOCK_LLM=true` `FALLBACK_TO_MOCK_ON_ERROR=true` 在 Qwen Cloud 黑客松额度激活后： `USE_MOCK_LLM=false` `FALLBACK_TO_MOCK_ON_ERROR=true` `QWEN_API_BASE=https://dashscope-intl.aliyuncs.com/compatible-mode/v1` `QWEN_API_KEY=` `QWEN_MODEL=qwen-plus` 特意保留 Mock 回退机制是为了保证演示的稳定性，并避免在额度可用之前产生意外费用。 ## 安全性与人工批准 OpsPilot 不是盲目的自动化机器人。 安全原则： * 生产环境配置更改需要人工批准 * 高风险的数据库操作可以被拦截 * 每一项修复操作都包含回滚计划 * 每一个 Agent 决策都会被记录在时间线中 * 区分证据与不确定性 * 低置信度的情况可以上报 ## 架构 ### 优化后的工作流架构  ### Mermaid 技术架构  架构文档： - `docs/architecture.md` - `docs/architecture.mmd` - `docs/architecture.svg` 核心组件： * Next.js 仪表盘前端 * FastAPI 后端 * Agent 编排器 * 兼容 Qwen 的模型客户端 * Mock 回退层 * 指标/日志/部署/runbook 工具 * 审批与审计时间线 * 计划中的阿里云 ECS 部署 ## 本地开发 ### 后端 运行： `cd backend` `python3 -m venv .venv` `source .venv/bin/activate` `pip install -r requirements.txt` `uvicorn app.main:app --reload` 后端运行地址： `http://127.0.0.1:8000` Swagger 文档地址： `http://127.0.0.1:8000/docs` 健康检查： `curl http://127.0.0.1:8000/health` ### 前端 运行： `cd frontend` `npm install` `npm run dev` 前端运行地址： `http://localhost:3000` 本地前端环境变量： `NEXT_PUBLIC_API_BASE_URL=http://127.0.0.1:8000` ## 主要 API Endpoints * `GET /health` * `GET /` * `POST /incidents` * `GET /incidents` * `GET /incidents/{incident_id}` * `POST /incidents/{incident_id}/approve` ## 示例工作流 1. 打开仪表盘。 2. 点击 **Start Demo Incident**。 3. 观察 Agent 时间线完成。 4. 查看证据板和主要假设。 5. 批准修复方案。 6. 查看执行审查和事后总结的生成。 ## 阿里云部署计划 部署就绪文件： * `backend/Dockerfile` * `infra/alibaba/docker-compose.prod.yml` * `docs/alibaba-cloud-deployment-proof.md` 在黑客松额度激活之后，后端将部署在阿里云 ECS 上。 在额度可用之前，不会使用任何按量付费的资源。 计划的验证内容： * 运行中的 ECS 实例 * 通过 Docker 运行的后端 * 公网健康检查 endpoint * 公网事故工作流 endpoint * Vercel 前端连接到阿里云后端 URL ## 演示脚本 参见： `docs/demo-script.md` ## 提交清单 参见： `docs/submission-checklist.md` ## 当前状态 已完成： * 公开的 GitHub 仓库 * MIT 许可证 * FastAPI 后端 * 兼容 Qwen 的客户端 * Mock LLM 回退机制 * 多 Agent 编排 * 事故审批工作流 * 事后总结生成 * Next.js 前端 * Vercel 前端部署 * Dockerfile * 阿里云部署计划 * 架构文档 待办事项： * Qwen Cloud 额度激活 * 阿里云 ECS 后端部署 * 部署演示视频 * 最终的 3 分钟演示视频 * Devpost 提交文本 ## 许可证 MIT

标签：AIOps, OSV, SRE, Vercel, 偏差过滤, 多智能体, 自动化运维, 请求拦截, 逆向工具, 通义千问