AlertMind 智能异常诊断平台

Wed, 11 Mar 2026 00:00:00 +0800

1. 系统需求分析

1.1 功能性需求

编号	需求	优先级	说明
F1	告警接入	P0	接收 Prometheus AlertManager / Grafana / 自定义 Webhook 告警
F2	日志分析	P0	自动查询 Loki / Elasticsearch，提取异常上下文日志
F3	指标分析	P0	自动查询 Prometheus / VictoriaMetrics，获取异常时段指标
F4	调用链分析	P1	自动查询 Jaeger / Tempo，定位异常 Span
F5	ReAct Agent 根因分析	P0	基于 Thought-Action-Observation 循环的智能诊断
F6	结构化诊断报告	P0	输出包含根因、影响范围、修复建议的报告
F7	历史案例检索 (RAG)	P1	基于语义相似度的历史案例匹配
F8	Web 管理界面	P1	告警列表、报告查看、数据源配置

1.2 非功能性需求

编号	需求	说明
NF1	单体部署	单个 Go 二进制文件，减少运维负担
NF2	最小外部依赖	仅 PostgreSQL 为必需依赖
NF3	LLM 可替换	支持 OpenAI / Ollama / 任何 OpenAI 兼容 API
NF4	资源低消耗	空闲内存 < 100MB，适合中小团队资源
NF5	配置驱动	数据源、告警规则均通过 YAML 或 UI 配置

1.3 不做的事（非目标）

不替代 Prometheus/Grafana/Loki/Jaeger — 只读查询，不做数据采集
不替代 AlertManager — 只做告警消费者
不提供实时监控大盘 — 这不是监控系统
不支持多租户 — 单团队使用

2. 核心业务流程

┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 告警源 │ │ AlertMind │ │ 数据源 │
│ AlertManager │───▶│ 告警接收 │ │ │
│ Webhook │ │ │ │ │ Prometheus │
└──────────────┘ │ ▼ │ │ Loki │
 │ 数据收集 │───▶│ Jaeger │
 │ │ │ │ Kubernetes │
 │ ▼ │ └──────────────┘
 │ Agent分析 │
 │ │ │ ┌──────────────┐
 │ ▼ │ │ LLM │
 │ 报告生成 │◀───│ OpenAI/Ollama│
 │ │ │ └──────────────┘
 │ ▼ │
 │ 结果存储 │
 │ 通知用户 │
 └──────────────┘

2.1 主流程（以一条告警为例）

1. 告警接入
 AlertManager 发送 webhook → AlertMind 接收 → 解析告警 → 写入 DB

2. 触发分析（同步或异步）
 创建分析任务 → 入队 → Worker 取出执行

3. 数据收集（Agent 驱动）
 Agent 根据告警信息决定需要哪些数据：
 - "先查一下这个服务的最近日志" → 调用 query_logs tool
 - "CPU 飙高，查一下同时段的 QPS" → 调用 query_metrics tool
 - "看看有没有慢调用" → 调用 query_traces tool

4. ReAct 循环分析
 Thought → Action → Observation → Thought → ... → Final Answer

5. 报告生成
 结构化输出：根因、证据链、影响范围、修复建议

6. 后处理
 存入 historical_cases 表 → 生成 embedding → 通知用户

2.2 RAG 增强流程

分析过程中 Agent 调用 search_cases tool:
 "有没有类似的告警案例？"
 → 当前告警描述 → embedding → pgvector 相似度搜索
 → 返回 Top-K 历史案例 → 注入 Agent 上下文
 → Agent 参考历史案例的处理方式加速诊断

3. 系统架构

3.1 架构图 (Mermaid)

graph TB
 subgraph External["外部系统"]
 AM[AlertManager]
 WH[Webhook Sources]
 PROM[Prometheus]
 LOKI[Loki / ES]
 JAEGER[Jaeger / Tempo]
 LLM[LLM API<br/>OpenAI / Ollama]
 NOTIFY[通知渠道<br/>飞书/钉钉/邮件]
 end

 subgraph AlertMind["AlertMind 单体应用"]
 subgraph HTTP["HTTP Layer (Gin)"]
 API[API Router]
 WEB[Web UI Static]
 end

 subgraph Core["Core Services"]
 AR[Alert Receiver<br/>告警接收与解析]
 DC[Data Collector<br/>数据适配器层]
 AE[Agent Engine<br/>ReAct Agent 执行引擎]
 RG[Report Generator<br/>报告生成器]
 RAG[RAG Engine<br/>案例检索]
 end

 subgraph Background["Background Workers"]
 WK[Analysis Worker<br/>异步分析执行]
 EMB[Embedding Worker<br/>案例向量化]
 end

 subgraph Store["Storage"]
 PG[(PostgreSQL<br/>+ pgvector)]
 RD[(Redis<br/>可选)]
 end
 end

 AM --> AR
 WH --> AR
 AR --> PG
 AR --> WK
 WK --> AE
 AE --> DC
 AE --> RAG
 AE --> LLM
 DC --> PROM
 DC --> LOKI
 DC --> JAEGER
 RAG --> PG
 AE --> RG
 RG --> PG
 RG --> EMB
 EMB --> PG
 RG --> NOTIFY

 API --> PG
 API --> RD
 WEB --> API

3.2 架构说明

单体应用，所有组件编译为单个 Go 二进制文件。启动后同时运行：

Agent on GYM

AlertMind 智能异常诊断平台

目录

1. 系统需求分析

1.1 功能性需求

1.2 非功能性需求

1.3 不做的事（非目标）

2. 核心业务流程

2.1 主流程（以一条告警为例）

2.2 RAG 增强流程

3. 系统架构

3.1 架构图 (Mermaid)

3.2 架构说明