yosef-tadesse123/incidentiq

# IncidentIQ AI 驱动的事件响应与根因分析工具 — 毕业设计 IncidentIQ 帮助开发、DevOps 和 SRE 团队调查生产事件，利用 AI 总结证据、重构时间线、生成根因假设、识别推理风险，并起草事件报告。 **核心原则：** 系统将事实、假设、推论和建议行动区分开来。AI 输出需要人工验证。 ## 功能 - **输入接口** — 粘贴或上传日志、警报、部署说明、用户投诉和 API 错误 - **AI 事件总结** — 避免无根据声明的专业总结 - **时间线重构** — 带有证据来源和置信度的事件 - **根因假设** — 多个带有支持/反驳证据的排序假设 - **偏见与谬误检测器** — 标记认知偏见和逻辑谬误 - **建议后续行动** — 与证据关联的调试步骤 - **事后分析草案** — 面向专业团队的结构化事件报告 - **导出为 Markdown** — 将分析结果下载为 `.md` 文件 ## 技术栈 | 层级 | 技术 | |-------|-----------| | 前端 | React + Vite | | 后端 | Python FastAPI | | AI | OpenAI API (gpt-4o-mini) | | 数据 | JSON | ## 快速开始 ### 前置条件 - Python 3.10+ - Node.js 18+ - OpenAI API key（可选 — 没有 key 时也可使用 mock 模式） ### 1. 后端 ``` cd backend python -m venv venv # Windows venv\Scripts\activate # macOS/Linux source venv/bin/activate pip install -r requirements.txt copy .env.example .env # Windows # cp .env.example .env # macOS/Linux ``` 编辑 `.env` 并设置你的 OpenAI API key： ``` OPENAI_API_KEY=sk-your-key-here OPENAI_MODEL=gpt-4o-mini ``` 启动服务器： ``` uvicorn main:app --reload --port 8000 ``` ### 2. 前端 ``` cd frontend npm install npm run dev ``` 打开 http://localhost:5173 ### 3. 试用 1. 点击 **Load Sample Data** 加载电商结账事件 2. 点击 **Analyze Incident** 3. 查看结构化分析 4. 点击 **Export Markdown** 下载报告 ## 项目结构 ``` incidentiq/ ├── backend/ │ ├── main.py # FastAPI app │ ├── models.py # Pydantic models │ ├── services/ │ │ ├── ai_analyzer.py # AI analysis logic + mock fallback │ │ └── prompt_templates.py # System prompts │ ├── sample_data/ # Example incident files │ └── requirements.txt ├── frontend/ │ ├── src/ │ │ ├── App.jsx │ │ ├── components/ │ │ │ ├── InputForm.jsx │ │ │ └── AnalysisResults.jsx │ │ └── sampleData.js │ └── package.json └── README.md ``` ## AI Prompts 系统使用结构化的 prompt 来强制执行： - 分离事实 / 假设 / 推论 / 行动 - 至少 3 个带有置信度排名的假设 - 为每个时间线事件提供证据引用 - 偏见和谬误检测 - 关于 AI 局限性的明确免责声明 完整的 prompt 请参见 `backend/services/prompt_templates.py`。 ## Mock 模式 如果没有 OpenAI API key，IncidentIQ 将使用启发式分析在 **mock 模式** 下运行。这让你能够测试界面和工作流，但输出的内容会有所简化。在 `.env` 中设置 `OPENAI_API_KEY` 即可进行完整的 AI 分析。 ## 示例事件场景 部署 v2.4.1 后电商结账流程失败： - `PAYMENT_TIMEOUT_MS` 从 5000 减少到 3000 后，支付网关超时 - 购物车服务在优惠券验证时出现 502 错误 - 错误率从 0.1% 飙升至 12% ## License 教学项目 — 计算机科学毕业设计

标签：AV绕过, FastAPI, Petitpotam, React, Syscalls, 事故响应, 人工智能, 根因分析, 用户模式Hook绕过, 运维, 逆向工具