# aiops-agent

**Repository Path**: wang-guangshuooo/aiops-agent

## Basic Information

- **Project Name**: aiops-agent
- **Description**: 基于 LangChain + Ollama 的智能运维 Agent：服务器自动巡检、故障定位与 RAG 运维问答
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-21
- **Last Updated**: 2026-10-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AIOps Agent - 智能运维助手

[![Python](https://img.shields.io/badge/Python-3.8%2B-blue)](https://www.python.org/)
[![LangChain](https://img.shields.io/badge/LangChain-Agent-green)](https://www.langchain.com/)
[![Ollama](https://img.shields.io/badge/Ollama-qwen2.5--7b-orange)](https://ollama.com/)
[![License](https://img.shields.io/badge/License-MIT-yellow)](LICENSE)
[![CI](https://github.com/wang-guangshuooo/aiops-agent/actions/workflows/ci.yml/badge.svg)](.github/workflows/ci.yml)

基于本地大模型的智能运维助手，支持服务器自动巡检、故障定位和运维问答。

> **开发时间**：2026.03 – 2026.06 完成主体开发；2026.09 完成开源整理（补充文档、容器化与 CI）。
> 项目用于解决「服务器交付后缺少自动化巡检与故障定位手段」的问题，将运维经验沉淀为可复用的 Agent 工具链。

## 目录

- [功能特性](#功能特性)
- [已知问题](#已知问题)
- [架构](#架构)
- [环境要求](#环境要求)
- [快速开始](#快速开始)
- [使用方式](#使用方式)
- [项目结构](#项目结构)
- [配置说明](#配置说明)
- [阈值配置](#阈值配置)
- [常见问题](#常见问题)
- [注意事项](#注意事项)
- [更新日志](#更新日志)
- [License](#license)

## 功能特性

- **自动巡检**：自动采集服务器指标，生成巡检报告
- **故障排查**：通过自然语言描述问题，Agent 自动调用工具定位
- **RAG 问答**：结合历史故障案例和运维文档进行智能问答
- **GPU 监控**：支持 NVIDIA GPU 监控（可选）

## 已知问题

> 以下三条均已在当前代码中确认（含实测），欢迎提 Issue 或 PR。完整分析见
> [docs/article-juejin-agent-security.md](docs/article-juejin-agent-security.md)。

1. **当前依赖版本下无法启动**：`agent/core.py:4` 的
   `from langchain.agents import AgentExecutor, create_react_agent` 在 langchain 1.x 中已被移除
   （`AgentExecutor` 迁至 `langchain_classic.agents`）；`rag/indexer.py:5` 的
   `langchain.text_splitter` 同样已移除。修复导入前，`run.py` 的巡检模式与问答模式都无法运行。
2. **`clean_disk(dry_run=False)` 不会真的删除文件**：函数体只做 `find` 统计，
   `dry_run=False` 仅把返回文本改成"已清理 N 个文件，释放 X MB"。
   在运维场景里，这种"谎报成功"比直接报错更容易误导判断。
3. **危险工具未做强制确认**：`clean_disk` 已注册进 `AVAILABLE_TOOLS`，`dry_run` 由模型自己填；
   且 RAG 检索到的知识库内容会原样拼进提示词（`agent/core.py:46`），
   提示词层没有"数据 / 指令"的边界标记。

## 架构

```
┌─────────────────────────────────────────┐
│              User Interface             │
│         (CLI: inspect / chat)          │
└─────────────────┬───────────────────────┘
                  │
┌─────────────────▼───────────────────────┐
│            AIOps Agent                  │
│  ┌─────────────────────────────────┐   │
│  │   LangChain + Ollama/vLLM      │   │
│  │   ReAct Agent + Function Calling│   │
│  └─────────────────────────────────┘   │
└──────┬───────────────┬─────────────────┘
       │               │
┌──────▼──────┐  ┌─────▼─────┐
│   RAG 模块   │  │ 工具模块   │
│  FAISS向量库 │  │ 监控/日志  │
└─────────────┘  └───────────┘
```

## 环境要求

- Linux (Ubuntu 20.04+)
- Python 3.8+
- Ollama (本地部署大模型)
- NVIDIA GPU (可选，GPU监控功能)

## 快速开始

### 1. 安装 Ollama

```bash
# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 下载模型
ollama pull qwen2.5:7b

# 启动服务
ollama serve
```

### 2. 配置

```bash
cp .env.example .env
# 编辑 .env 修改配置
```

### 3. 安装依赖

```bash
bash scripts/start.sh
```

或手动安装：

```bash
pip install -r requirements.txt
```

### 4. 初始化向量索引

```bash
python -c "from rag.indexer import init_vectorstore; init_vectorstore()"
```

### 5. 运行

```bash
# 自动巡检模式
python run.py inspect

# 交互问答模式
python run.py chat
```

## 使用方式

### 巡检模式

执行服务器健康检查，生成报告：

```bash
python run.py inspect
```

输出示例：

```
【指标】
| 指标 | 状态 | 值 |
|------|------|------|
| CPU使用率 | ✅ 正常 | 45% |
| 内存使用率 | ✅ 正常 | 62% |
| 磁盘使用 | ⚠️ 告警 | / 使用率 88% |

【分析】
- 磁盘 / 分区使用率偏高

【建议】
1. 清理 /var/log 下7天前的日志
2. 检查是否有大文件异常增长
```

### 问答模式

自然语言描述问题：

```
> 服务器CPU使用率很高，怎么排查？
> 磁盘快满了怎么办？
> GPU训练任务失败了，显示显存不足
```

## 项目结构

```
aiops-agent/
├── agent/              # Agent 核心
│   ├── core.py        # Agent 主逻辑
│   ├── prompt.py      # Prompt 模板
│   └── tools.py       # 运维工具封装
├── rag/                # RAG 模块
│   ├── indexer.py     # 向量索引构建
│   ├── retriever.py   # 检索召回
│   └── case_store.py  # 案例库管理
├── monitor/            # 监控模块
│   ├── metrics.py     # 系统指标采集
│   └── log_parser.py  # 日志解析
├── data/
│   ├── cases/         # 故障案例
│   └── docs/          # 运维文档
├── scripts/            # 脚本
├── config.py          # 配置
├── run.py             # 入口
└── report.py          # 报告生成
```

## 配置说明

| 配置项 | 默认值 | 说明 |
|--------|--------|------|
| OLLAMA_BASE_URL | http://localhost:11434 | Ollama 服务地址 |
| MODEL_NAME | qwen2.5:7b | 模型名称 |
| FAISS_INDEX_PATH | ./data/faiss_index | 向量索引路径 |
| EMBEDDING_MODEL | BAAI/bge-small-zh-v1.5 | Embedding 模型 |

## 阈值配置

| 指标 | 默认阈值 | 说明 |
|------|----------|------|
| CPU | 80% | 告警阈值 |
| 内存 | 85% | 告警阈值 |
| 磁盘 | 85% | 告警阈值 |
| GPU利用率 | 90% | 告警阈值 |
| GPU显存 | 90% | 告警阈值 |

## 注意事项

1. **环境限制**：本项目主要面向 Linux 环境开发，Windows 兼容性有限
2. **GPU功能**：GPU 监控需要 NVIDIA 显卡和 nvidia-smi，无 GPU 时自动跳过
3. **安全提醒**：Agent 默认只执行只读操作，危险操作需用户确认
4. **模型依赖**：需要提前部署 Ollama 并下载模型

## 常见问题

**Q：没有 NVIDIA GPU 能跑吗？**
能。GPU 监控是可选能力，启动时会探测 `nvidia-smi`，不存在时自动跳过 GPU 相关工具，其余功能不受影响。

**Q：Agent 会不会误执行危险命令？**
不会。工具层默认只封装只读操作（指标采集、日志检索、进程查询），涉及写操作（如磁盘清理）只输出建议命令，需人工确认后执行。Prompt 中亦通过边界约束显式限制处置范围。

**Q：为什么用本地模型而不是调云端 API？**
运维场景常处于内网隔离环境，且日志/指标属于敏感数据。本地化部署（Ollama / vLLM）可保证数据不出内网，同时避免长期调用成本。

**Q：多台服务器怎么巡检？**
当前版本面向单机。多主机批量巡检在规划中，见 [CHANGELOG](CHANGELOG.md)。

## 更新日志

版本变更记录见 [CHANGELOG.md](CHANGELOG.md)。

## 贡献

欢迎提交 Issue 与 PR，开发约定见 [CONTRIBUTING.md](CONTRIBUTING.md)。

## License

MIT