amudhan023/sre-copilot
GitHub: amudhan023/sre-copilot
基于多 Agent 架构的 AI 辅助 SRE 事件响应系统，通过实时接入告警与观测数据自动完成异常检测、根因分析和事件复盘。
Stars: 0 | Forks: 0
# SRE Copilot — AI 辅助的事件响应
由 AI 驱动的 SRE Copilot 使用 LangGraph、Kafka 和 Flink 来接入实时告警、日志、指标和链路追踪，关联多服务故障，并利用 Prometheus、ELK 和部署事件，通过基于 LLM 的分析生成根因假设、事件摘要和缓解建议，最终通过 Slack 和 PagerDuty 进行交付。
## 快速开始
```
# 配置（仅需要 ANTHROPIC_API_KEY）
cp .env.example .env
# 编辑 .env 并添加你的 API key
# 启动所有服务
make demo
# 访问入口（约 3 分钟后准备就绪）
# SRE Dashboard : http://localhost:8000
# Grafana : http://localhost:3000 (admin/admin)
# Kafka UI : http://localhost:8080
# Mailhog : http://localhost:8025 ← 在这里查看 AI 邮件的出现
# Prometheus : http://localhost:9090
# Qdrant : http://localhost:6333/dashboard
```
## 测试
```
# 运行完整测试套件（单元 + 集成，不需要 docker-compose）
make test
# 仅快速单元测试 —— 在 1 秒内完成
make test-unit
# 完整 E2E 测试（需要 make demo 正在运行）
make test-e2e
```
## 架构
```
Simulation Layer Ingestion Layer Agent Layer
────────────────── ─────────────── ────────────────────────
traffic-simulator ──→ metrics-ingester ──→ Detection Agent
failure-injector ──→ log-ingester ──→ Correlation Agent
deployment-sim ──→ deployment-ingr ──→ Investigation Agent
──→ Knowledge Retrieval Agent
Kafka Event Bus ──→ Remediation Agent
═════════════ ──→ Communication Agent
──→ Postmortem Agent
Knowledge Layer
────────────────
Qdrant (5 collections):
• incidents (50 historical)
• runbooks (9 procedures)
• architecture (6 services)
• deployments (30 records)
• postmortems (7 documents)
```
## 故障场景
故障注入器自动循环以下 9 个场景：
| 场景 | 服务 | 信号 | 持续时间 |
|----------|---------|--------|----------|
| LATENCY_SPIKE | payment-service | P99 → 8500ms | 5 分钟 |
| ERROR_RATE_SPIKE | order-service | 错误率 → 45% | 3 分钟 |
| CPU_SATURATION | api-gateway | CPU → 95% | 8 分钟 |
| MEMORY_LEAK | notification-service | 内存 → 96% | 12 分钟 |
| DB_CONNECTION_EXHAUSTION | payment-service | 连接数 → 99/100 | 6 分钟 |
| KAFKA_CONSUMER_LAG | order-service | 滞后 → 52,000 条消息 | 10 分钟 |
| DEPENDENCY_OUTAGE | inventory-service | 错误 → 98% | 5 分钟 |
| DEPLOYMENT_FAILURE | user-service | 错误 → 100% | 4 分钟 |
| NETWORK_PARTITION | payment-service | 连接重置 | 3 分钟 |
标签：AIOps, Flink, Kafka, LLM代理, SonarQube插件, SRE, 偏差过滤, 告警关联, 根因分析, 自定义请求头, 请求拦截, 逆向工具