自主运维
v1.1.0 新功能
核心特性
- 🚨 事故管理: P0-P3 四级优先级分类，状态跟踪与自动升级
- 🔧 Playbook 修复: 预定义修复策略，自动触发执行修复步骤
- 📊 多维告警: CPU/内存/错误率等可配置阈值告警
- ↩️ 自动回滚: 修复失败自动回滚到安全状态
- 📝 事故报告: AI 生成根因分析、时间线与改进建议
系统架构
┌──────────────────────────────────────────────────┐
│ 自主运维系统 │
├──────────────────────────────────────────────────┤
│ │
│ ┌──────────┐ ┌──────────┐ ┌───────────────┐ │
│ │ Alert │ │ Incident │ │ Playbook │ │
│ │ Engine │ │ Manager │ │ Executor │ │
│ │ (告警) │ │ (事故) │ │ (自动修复) │ │
│ └────┬─────┘ └────┬─────┘ └──────┬────────┘ │
│ │ │ │ │
│ ┌────▼──────────────▼───────────────▼─────────┐ │
│ │ Remediation Engine │ │
│ │ 检测异常 → 匹配Playbook → 执行修复 │ │
│ │ → 验证恢复 → 失败则回滚 │ │
│ └─────────────────┬──────────────────────────┘ │
│ │ │
│ ┌──────────┐ ┌───▼──────┐ ┌────────────────┐ │
│ │ Baseline │ │ Rollback │ │ Postmortem │ │
│ │ Manager │ │ Engine │ │ Generator │ │
│ └──────────┘ └──────────┘ └────────────────┘ │
└──────────────────────────────────────────────────┘系统概述
自主运维系统（Autonomous Ops）提供智能化的事故检测、自动修复、告警管理和事故报告能力，实现 AI 驱动的运维自动化。
核心能力
- 事故管理：P0-P3 优先级分类、状态跟踪、自动升级
- Playbook 自动修复：预定义修复策略，自动触发执行
- 告警系统：CPU/内存/错误率等多维度告警，可配置阈值
- 自动回滚：修复失败时自动回滚到安全状态
- 事故报告：AI 生成根因分析、时间线、改进建议
IPC 通道
| 通道 | 说明 |
|---|---|
ops:get-incidents | 获取事故列表 |
ops:get-incident-detail | 获取事故详情 |
ops:acknowledge | 确认事故 |
ops:resolve | 解决事故 |
ops:get-playbooks | 获取 Playbook 列表 |
ops:create-playbook | 创建 Playbook |
ops:trigger-remediation | 触发修复 |
ops:rollback | 回滚操作 |
ops:get-alerts | 获取告警列表 |
ops:configure-alerts | 配置告警规则 |
ops:generate-postmortem | 生成事故报告 |
ops:get-baseline | 获取性能基线 |
ops:update-baseline | 更新性能基线 |
配置
在 .chainlesschain/config.json 中配置：
json
{
"autonomousOps": {
"enabled": true,
"alertThresholds": {
"cpu": 80,
"memory": 85,
"errorRate": 5
},
"autoRemediation": true,
"rollbackOnFailure": true,
"postmortemAutoGenerate": false,
"sla": {
"P0": { "responseMins": 5, "resolveMins": 30 },
"P1": { "responseMins": 15, "resolveMins": 120 },
"P2": { "responseMins": 60, "resolveMins": 480 },
"P3": { "responseMins": 240, "resolveMins": 1440 }
}
}
}使用示例
事故处理流程
- 系统检测到异常，自动创建事故并发出告警
- 运维人员在「自主运维」页面查看事故列表
- 点击「确认」标记事故已知
- 选择合适的 Playbook 点击「修复」
- 系统自动执行修复步骤
- 修复成功则自动标记为已解决；失败则自动回滚
- 点击「报告」生成事故报告
Playbook 示例
- CPU 过载修复：检查进程 → 终止异常进程 → 验证 CPU 恢复
- 内存泄漏修复：识别泄漏进程 → 重启服务 → 验证内存回收
- 服务不可用修复：健康检查 → 重启服务 → 验证可用性 → 通知
故障排除
| 问题 | 解决方案 |
|---|---|
| 修复 Playbook 执行失败 | 检查 Playbook 步骤配置和权限 |
| 告警过多 | 调整告警阈值，避免误报 |
| 事故报告缺少根因 | 确保事故有足够的日志和监控数据 |
关键文件
| 文件 | 职责 |
|---|---|
desktop-app-vue/src/main/ai-engine/cowork/incident-classifier.js | 事故分类与优先级判定 |
desktop-app-vue/src/main/ai-engine/cowork/auto-remediator.js | Playbook 自动修复引擎 |
desktop-app-vue/src/main/ai-engine/cowork/rollback-manager.js | 回滚管理器 |
desktop-app-vue/src/main/ai-engine/cowork/alert-manager.js | 告警规则与通知 |
desktop-app-vue/src/main/ai-engine/cowork/postmortem-generator.js | 事故报告生成 |
desktop-app-vue/src/main/ai-engine/cowork/anomaly-detector.js | 异常检测引擎 |