Skip to content

故障智巡 v0.3.0：告警接入与可追溯的本地调查链路（演示预览）

Pre-release
Pre-release

Choose a tag to compare

View all tags
@ydflow ydflow released this 03 Oct 03:36
v0.3.0
0e01064
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

故障智巡 v0.3.0 面向本地受控演示，标记为 prerelease。真实模型最终诊断、生产接入和实际 Alertmanager 联调仍未通过/未接入。

PR #9 已合并。发布标签、main 与合并提交对应 0e0106474ab01c9afdf1da77caa84ee92faf26e1。本次没有额外上传附件；五张经核验的非敏感演示截图随源码保留在 README。

新增行为

故障智巡从指定 Fixture 案例调查扩展到认证告警入口：阈值告警送入 Webhook，经 SQLite 幂等投递和服务/环境/指纹/窗口聚合形成 Incident；持久化 Worker 领取后实际只读采集演示服务日志/指标、检索通用 Runbook，保存 Evidence、知识引用、真实工具事件、诊断或人工升级，并在原 Console 中展示和回放。

  • Alertmanager v4 协议 DTO 兼容，未知 severity 保留原值与标记，不静默降低风险；P0–P3 优先级独立于动作 SAFE/ASK/BLOCK。
  • 现场 LIVE ID 与严格 INC-xxx Fixture 路由分离；数据源/凭据由宿主绑定，有窗口、条数、字节、超时、取消与范围限制。
  • Runbook 标题/段落切片与 BM25，引用携带章节/文档版本/内容哈希/位置/原文片段；知识不当观测证据。
  • 原子任务领取、租约 fencing、有限重试和持久化预算；不足/冲突/不可用/无效输出/预算耗尽如实收敛人工处理，不发送外部通知。
  • Console 新告警与任务、事实/假设/不足、观测/手册引用、真实事件/只读 Replay；旧案例、审批、历史保留。
  • 人工受控恢复后重新取证，分别保存人工声明、恢复效果与故障最终调查状态；verified 不自动 RESOLVED。

兼容性与迁移

SQLite schema 69→70→71 增量迁移，原表/行和备份 fail-closed 保留；原 Incident/Evidence/Diagnosis extra=forbid、十种 AgentEvent、严格 Fixture Loader、合法状态转换与可信宿主审批不放宽。新的任务用途是兼容旧快照的可选侧信息。原 Runner 通用 Runtime/Session/Provider 未重写，包版本沿用原值。

详细迁移与资源管理、能力归属、LICENSE、NOTICE。产品以故障智巡命名，底层宿主与 Pi 能力仍准确归属。

验收证据

最新 PR CI 与 main 合并提交 CI 均 completed/success。Ubuntu 24.04 / Node 24 / Python 3.13，全新 checkout 后三套 npm ci、Python 原 requirements、Chromium 安装、格式/生成类型同步/三工程类型与文档、build:all、Runner 自检通过。全仓 Vitest 356 文件：3087 passed / 23 原有 skipped / 0 failed（总计 3110）；Python 72 passed，原 Console 三视口 6 passed。已有跳过保持原样，没有删除或弱化验收。

移动浏览器分别统计：两轮 PR CI 各 9 passed；main CI 为 8 passed + 1 flaky（重试后通过）。flaky 是原 mobile-chat 音视频预览用例，首次等待 sample.mp4 对话框 5 秒未出现；该用例/媒体组件没有本版 diff，auth store 增量仅权限类型。本机首次定向验证因默认 Chromium 缺失而 5 次启动失败（没有执行断言），改用现有 Edge 后 --retries=0 --repeat-each=5 实际 5 passed。未调整重试、超时或断言来掩盖问题，仍记录间歇性失败，不能把 main 移动验收称为 9 项首轮全通过。

第 8 步受影响 TypeScript 238 passed、Python 72 passed、构建/类型通过；实际运行中的演示数据源与桌面完整链路通过，移动端原交互 9 passed、旧 Console 三桌面视口 6 passed。手册 16 项独立人工查询集通过，不能解释为生产检索效果。

本轮全仓 Windows：3038 passed / 49 failed / 23 pending；隔离 HEAD：2842 passed / 同样 49 failed / 23 pending，失败全名与文件集合相同。未弱化原验收；这是第 8 步 Windows 审查结果，与本次 Ubuntu CI 分别记录。第 8 步最终命令及结果见第 8 步审查，旧轮证据见第 7 步验收。

真实 Provider 一轮实际请求超时（1 次 HTTP），manual / ESCALATED；模型最终诊断未通过。实际 2 Evidence / 3 知识引用与宿主工具事件保存，无模型工具调用；协议桩测试单列，不能冒充真实推理。人工恢复后 8 个实际请求成功，十项恢复观测检查通过，停源后 Replay 不执行动作且调查仍 ESCALATED。

README 五张新增能力截图来自本轮独立测试库，没有凭据/个人配置或生产数据。

复现

按迁移说明准备原依赖、Python 3.13 和已安装 Chromium，在仓库根执行：

npm run build:all
node node_modules/tsx/dist/cli.mjs scripts/accept-v030-step7.ts --legacy-ui
# 可选，已有启用 Provider；不保证诊断成功，预算有限
node node_modules/tsx/dist/cli.mjs scripts/accept-v030-step7.ts --configured-model --legacy-ui

命令仅管理自己创建的随机 loopback 服务/测试库/浏览器/私有工作目录，结束清理；非敏感演示摘要/截图在仓库外 output。不要把 personal data、API key、运行库、原始日志或整个 output 作为 Release 附件。

实际限制与发布边界

只支持本地受控资源槽实时日志/指标；Trace/Git unsupported，生产 Provider 未实现。Alertmanager 是协议兼容，并未与实际监控联调。BM25 是词法版本，非向量检索/生产 RAG；引用/字段校验不是语义或因果证明。无生产动作执行器、常驻监控投递或外部通知，恢复验证短窗口不能证明长期 SLO。

本次以 本地受控演示预览（GitHub prerelease） 发布。当前 PR 与实际合并提交的 Ubuntu CI 已完成；真实模型最终诊断缺口及原移动媒体用例 flaky 继续披露，不宣称全部场景首轮验收通过、正式稳定版或 production-ready。

Assets 2
Loading