Harness 与 Agent 工程 · 日志、监控与故障定位 · 2025-11-24

Aiops探索:基于 Dify 做一个故障诊断和根因分析的Aiops智能体

AIops实战:基于Dify打造智能故障诊断系统,让运维更高效更智能。

核心内容:

  1. 智能故障诊断的核心思路与架构设计
  2. 从告警感知到根因分析的完整流程解析
  3. 基于Dify平台的实操部署指南与配置步骤

研究Aiops有一段时间了,目前手里有不少可落地的方案了,接下来会把这些方案全部整理到我的大模型课程里。同时,欢迎大家把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。

今天的案例是基于dify做一个专门用来做故障诊断和根因分析的智能体,目前我还没有正式验证,只是有一个大概的思路。等验证完,我会将该案例相关的实操文档和视频放到课程中。


一、核心思路和架构

1. 核心思路1)感知:统一告警入口

2)上下文增强:不止看告警,更要看现场,自动调用外部系统获取关联信息:

3)推理:LLM 驱动的根因分析(RCA)

4)行动:自动响应 or 人工协同

2. 架构图


二、落地指南

阶段 1: 基础环境准备

假设已经有了如下环境:

1)Prometheus:指标采集与告警触发2)Alertmanager:告警路由3)Dify:LLM 驱动的智能推理与决策引擎4)辅助系统:Grafana Loki(日志)、Kubernetes API(上下文)、内部 CMDB(资产信息)

阶段 2: 部署相关MCP

1、部署Grafana MCP(用来查询Loki日志)

步骤略,以前的文章里有介绍过

2、部署k8s MCP(用来获取pod信息)

步骤略,以前的文章里有介绍过

3、部署CMDB MCP

这个需要根据自己使用的CMDB工具来开发合适的MCP工具,这里存在一些不确定性因素

阶段 3: 在 Dify 中配置 MCP 工具

参考以前的发文,将以上三个MCP添加到Dify的MCP工具中心

阶段4:Dify中配置智能体

1、创建新 Workflow

触发方式:HTTP 触发器(Webhook)

2、定义输入变量

变量名 类型 示例
alert_name string "PodCrashLoopBackOff"
namespace string "prod"
po…
— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/dify/2025112415084.html