OpenSRE证据化故障调查-20260729

OpenSRE 证据化故障调查

核心方法是把生产故障调查拆成“告警提取—工具规划—证据收集—诊断—交付”六阶段，让结论逐条绑定日志、指标、Trace、部署和 Runbook，而不是让模型直接猜根因。

关键控制：

1. 工具 Schema 最多 32 个，规划阶段默认先选 top 10。
2. ReAct 循环最多 20 轮，连续 2 轮无新证据就停止。
3. 相同工具名与参数复用缓存，低价值证据按上下文预算淘汰。
4. 诊断必须拆成已验证/未验证声明、因果链与修复建议。
5. 外部 LLM 前可对 pod、集群、账户 ID 做可逆脱敏。

适用边界：适合已有日志、指标、Trace 和部署元数据的生产系统；接入 Cloud、Slack、PagerDuty 等集成会扩大凭据与生产权限风险，先用只读账户、合成 RCA 套件和明确审批做验收。

原文：GitHubStore - 接入这些工具，让 AI Agent自动做故障调查、根因分析和证据化报告 - 3916483328-2247495905_1