SxDevOps

SxDevOps 是一个面向真实运维现场的开源智能运维 Agent 平台。它把 可观测性、事件中心、任务中心、工单审批、容器管理、RBAC 等平台能力组织成 Agent 可调用、可审计、可确认的运维工作流。

项目不是简单做一个聊天框，而是希望让运维从“到处查系统”升级为：

看态势、找证据、问系统、确认动作。

• 在线体验：https://www.sxdevops.top
• 产品介绍页：SxDevOps AI Agent
• 用户使用文档：docs/用户使用文档.md
• 技术栈：Django + Django REST framework + Channels + Vue 3 + Element Plus
• 开源协议：Apache License 2.0

为什么需要它

传统运维现场里，信息和动作经常被拆散：

• 告警中心看到红点，但日志、Trace 和最近变更在别的系统里。
• 发布、审批、任务执行、失败结果和关键操作散落在不同页面，复盘成本高。
• 巡检、批量命令、脚本模板和主机权限脱节，动作入口不统一。
• 排障经验依赖个人记忆，结论难沉淀，下一次仍要重新查。

SxDevOps 的目标是把这些碎片化能力收敛成一条链路：可观测性取证，事件中心复盘，任务中心行动，AIOps 负责理解、规划和结构化输出。

产品定位

SxDevOps AI Agent = 可观测性 + 事件中心 + 任务中心 + AIOps

层次	说明
可观测性事实层	聚合告警、指标、日志、Trace、Grafana 和系统态势，形成 Agent 可查询的证据来源。
事件中心	沉淀最终执行结果、关键写操作、失败定位线索和复盘上下文。
任务中心	承接主机巡检、批量命令、脚本模板、任务草稿、执行历史和计划任务。
AIOps 智能体	使用 LLM 做理解与规划，使用 MCP 工具取数，使用 Skill 约束输出，使用后端完成权限、确认、执行和审计。

一句话理解：

模型负责理解，平台负责边界；Agent 可以分析和生成草稿，但关键动作必须通过权限校验和人工确认。

核心能力

模块	能力
AIOps 智能体	自然语言排障、工具调用、二阶段回答、Skill 模板、Action 预检、待确认动作、模型调用审计
可观测性	平台总览、系统态势、指标查询、日志检索、链路追踪、Grafana 看板承接、数据源管理
事件中心	失败事件定位、关键操作沉淀、事件源接入、操作审计、按系统/环境/应用/时间过滤
任务中心	主机任务、批量命令、脚本模板、资源分组、任务草稿、执行历史、计划任务
工单系统	应用发布、审批流、SQL 审计、事务工单、变更留痕
容器管理	Kubernetes 集群、工作负载、Pod 终端、ConfigMap / Secret、Docker 环境管理
权限与审计	后端 API、前端路由、菜单、按钮和 WebSocket 场景统一接入 RBAC

典型场景

以“生产 order-center 异常分析”为例。

传统方式通常要人工切换多个系统：

1. 打开告警平台看 PromQL、标签和触发时间。
2. 到日志中心查错误关键字和上下文。
3. 到链路追踪定位慢调用和异常 Span。
4. 翻最近发布、任务、审批和事件记录。
5. 手工整理结论和下一步动作。

在 SxDevOps 里，可以让 Agent 串起这条链路：

1. 用户用自然语言发起分析。
2. Agent 选择告警、日志、Trace、事件中心、任务中心等工具。
3. 后端按白名单执行工具调用，并做 RBAC、参数清洗和超时控制。
4. 平台汇总结构化证据，Skill 输出结论、依据、风险和建议操作。
5. 如需巡检或命令执行，先生成任务草稿，用户确认后才进入任务中心。
6. 执行结果继续回写事件中心和审计链路。

Agent 工作机制

SxDevOps 的 Agent 运行逻辑不是“用户提问 -> 大模型自由回答”，而是一套受控编排链路：Action Router 先判断任务类型，Agent Mode 决定推理方式，Preflight 守住执行边界，Skill/SOP 约束专业过程，MCP 连接外部与平台工具，最终由审计和反馈闭环沉淀结果。

%%{init: {"flowchart": {"nodeSpacing": 10, "rankSpacing": 14, "curve": "basis"}, "themeVariables": {"fontSize": "12px"}}}%%
flowchart TB
    input["用户问题 / 页面上下文 / 外部协同任务"] --> router["Action Router

识别任务入口与风险边界"]
    router --> mode{"Agent Mode"}
    mode --> direct["Direct

直接执行单个动作"]
    mode --> react["ReAct

推理 -> 行动 -> 观察"]
    mode --> plan["Plan + ReAct

规划 -> 多步执行 -> 验证"]

    direct --> preflight["Preflight

权限校验 / 风险评估 / 缺参补齐 / 依赖检查"]
    react --> preflight
    plan --> preflight

    preflight -->|未通过| form["预检表单 / 待确认信息"]
    preflight -->|通过| skill["Skill + SOP

证据清单 / 查询规范 / 输出合同 / 安全边界"]
    skill --> mcp["MCP / Tool Registry

可观测性 / 事件 / 任务 / 工单 / K8s / 自定义工具"]
    mcp --> facts["结构化事实

日志 / 指标 / Trace / 告警 / 事件 / 执行结果"]
    facts --> answer["二阶段整形

结论 / 依据 / 风险 / 建议动作"]
    answer --> action{"是否写入或执行类动作"}
    action -->|否| done["返回答案与证据"]
    action -->|是| confirm["Pending Action

用户确认"]
    confirm --> execute["平台 API 执行

RBAC / 参数清洗 / 超时控制"]
    execute --> feedback["结果反馈

任务中心 / 事件中心 / 审计 / 后续学习"]

这条链路里几个核心概念的职责是：

层次	职责
Action Router	识别本次问题属于告警根因、日志查询、K8s 诊断、变更关联、任务生成等哪类 Action，并声明风险等级、所需上下文、输出结构和确认策略。
Agent Mode	按任务复杂度选择执行方式：Direct 适合单步只读或明确动作，ReAct 适合边查边判断，Plan + ReAct 适合多步骤深度排障和协同任务。
Preflight	在进入写入、生成或执行前做权限校验、风险评估、依赖检查、缺参补齐和回滚就绪检查；不满足条件时返回预检表单或待确认信息。
Skill / SOP	沉淀领域能力包，约束证据清单、查询规范、判断规则、输出格式和安全边界，避免模型自由发挥。
MCP / Tool Registry	把平台能力和外部系统封装成可治理工具，最终可用工具由 Skill 工具依赖 ∩ MCP 可用性 ∩ 用户 RBAC ∩ Action 安全策略 决定。
Pending Action	所有写入和执行类动作先变成待确认动作，用户确认后才由平台 API 执行。
审计与反馈	会话、工具调用、预检、待确认动作、执行结果和关键事件都会留痕，执行结果继续回写任务中心和事件中心。

当前实现遵循几个原则：

• 平台 API 是唯一执行边界，模型只负责理解、规划和生成候选参数，不能绕过后端直接操作资源。
• Action 负责“任务入口和流程策略”，Skill 负责“能力包和专业约束”，两者不混在一起。
• 只读诊断可以直接返回事实；生成、写入、执行类动作必须先预检、再确认、再执行。
• Preflight 不是装饰步骤，而是权限、风险、依赖、缺参和回滚检查的统一入口。
• 前端展示权限只是体验优化，后端 RBAC 才是安全边界。
• 会话、工具调用、Action 预检、待确认动作、执行结果和关键事件都要留痕。

产品截图

AI Agent

日志/链路排障取证

事件中心

任务资源与执行入口

更多截图保存在 docs/screenshots。

技术栈

层级	技术
后端	Django、Django REST framework、Channels、Daphne
前端	Vue 3、Vue Router、Pinia、Element Plus、ECharts、Vite
数据库	本地默认 SQLite，Docker Compose 默认 MySQL 8
缓存与实时通信	Redis、Channels Redis
外部集成	Kubernetes API、Docker、SSH、Prometheus / Grafana、SkyWalking、Tempo、Jaeger、Zipkin、Loki / ELK / SLS

架构概览

flowchart LR
    user["用户 / 运维人员"] --> frontend["Vue 3 前端工作台"]
    frontend --> api["Django REST API"]
    frontend --> ws["Channels WebSocket"]
    api --> rbac["RBAC / 审计"]
    api --> aiops["AIOps 智能体"]
    api --> ops["任务 / 工单 / 事件"]
    aiops --> facts["可观测性事实层"]
    ops --> facts
    facts --> integrations["Prometheus / Grafana / Logs / Trace / K8s / SSH"]
    api --> db["MySQL 或 SQLite"]
    ws --> redis["Redis"]

快速启动

方式一：Docker Compose

（目前是自己build镜像，后面稳定版我推到 dockerhub 镜像仓库，这样首次部署可以不用拉依赖了） 仓库内置应用、MySQL 和 Redis 编排，适合最快体验完整功能：

docker compose up -d --build

启动后访问：

• 平台入口：http://localhost:8000
• MySQL 和 Redis 由 Compose 内部网络提供

首次启动时容器会自动执行：

python manage.py migrate
python manage.py seed_data
python manage.py seed_templates

如需关闭初始化数据，可在 docker-compose.yml 中把 SXDEVOPS_SEED_DATA 或 SXDEVOPS_SEED_TEMPLATES 设置为 0。

方式二：本地开发

后端：

cd backend
pip install -r requirements.txt
python manage.py migrate
python manage.py seed_data
python manage.py seed_templates
python -m daphne -b 0.0.0.0 -p 8000 sxdevops.asgi:application

前端：

cd frontend
npm install
npm run dev

本地开发地址：

• 前端：http://localhost:3000
• 后端：http://localhost:8000

Windows 下也可以使用开发辅助脚本一键启动或停止前后端：

.\tools\dev\start-dev.ps1
.\tools\dev\stop-dev.ps1

体验账号

执行初始化数据后可使用以下账号登录，默认密码均为：

Admin@123456

常用账号：

• admin
• ops_demo
• dev_demo
• audit_demo
• viewer_demo

这些账号仅用于本地演示和开发环境。公开部署前请修改默认密码或禁用演示账号。

配置说明

后端支持通过环境变量或 backend/config.json 覆盖关键配置。需要本地 MySQL 或 Redis 时，可以参考 backend/config.example.md 和 backend/config.example.json。

常用环境变量：

DATABASE_ENGINE=mysql
MYSQL_HOST=mysql
MYSQL_PORT=3306
MYSQL_DATABASE=sxdevops
MYSQL_USER=sxdevops
MYSQL_PASSWORD=sxdevops_password
REDIS_URL=redis://redis:6379/0
CHANNEL_REDIS_URL=redis://redis:6379/1
SECRET_KEY=change-me
DEBUG=0
ALLOWED_HOSTS=localhost,127.0.0.1
CORS_ALLOW_ALL_ORIGINS=0

本地开发不配置数据库时会自动使用 backend/db.sqlite3；Docker Compose 默认使用 MySQL 与 Redis。

常用命令

# 后端测试
cd backend && python manage.py test

# 前端构建
cd frontend && npm run build

# 重新生成基础演示数据
cd backend && python manage.py seed_data

# 重新生成智能体与任务模板
cd backend && python manage.py seed_templates

# Docker Compose 停止服务
docker compose down

目录结构

.
├── backend/                 # Django 后端项目
│   ├── sxdevops/            # 项目设置、ASGI/WSGI、路由入口
│   ├── aiops/               # AIOps 智能体、模型、工具、审计
│   ├── ops/                 # 运维任务、可观测性、发布、告警等
│   ├── eventwall/           # 事件中心
│   ├── rbac/                # 权限、角色、菜单与审计
│   └── ...                  # marketplace、sqlaudit、iac、multicloud 等模块
├── frontend/                # Vue 3 前端项目
│   └── src/
│       ├── views/           # 页面
│       ├── layout/          # 布局
│       ├── api/             # API 封装
│       ├── router/          # 路由
│       └── stores/          # Pinia 状态
├── docs/                    # 产品截图与设计文档
├── docker/                  # 容器入口脚本
├── tools/dev/               # Windows 本地开发辅助脚本
├── docker-compose.yml       # 本地容器化部署
└── Dockerfile               # 前后端一体镜像

设计文档与延伸阅读

• SxDevOps AI Agent 产品介绍
• 微信公众号文章：7fPrmABj2Ot2VbgTLTr3Zw
• 微信公众号文章：1fFcSliQ_Nw_HQvwmRxzJg
• AIOps 2.0 升级优化方案
• AIOps 2.1 指标证据包设计
• AIOps 2.1.2 Action Handler 与上下文 Copilot 设计
• AIOps MCP + Skill 双阶段应答设计
• AIOps 智能体实现说明

路线图

• 扩展告警处置、工单汇总、K8s 异常、任务生成等 Skill 模板族。
• 增强内置 MCP 和外部 MCP 的健康检查、工具发现、鉴权与超时诊断。
• 在只读诊断后继续接入审批、命令模板、Runbook 和任务编排。
• 建立更可信的事实链路：告警准、事件准、任务准、结果准。
• 将高频、低风险动作逐步纳入可确认、可回滚、可审计的自动化闭环。

贡献

欢迎提交 Issue、讨论需求、补充文档或贡献代码。开始前建议先阅读 CONTRIBUTING.md。

适合优先参与的方向：

• 完善部署文档、截图和演示数据。
• 补充 AIOps、可观测性、任务中心和 RBAC 的测试用例。
• 新增数据源、模型供应商、工具调用和运维 Skill。
• 优化前端工作台体验和移动端适配。

安全与生产部署提醒

• 生产环境请显式配置 SECRET_KEY、DEBUG=0、ALLOWED_HOSTS、数据库和 Redis。
• 不要提交真实云账号、数据库密码、Kubeconfig、SSH 密钥、Grafana Token、模型供应商 API Key 或其他生产凭据。
• 演示账号和默认密码只适合本地体验，公开服务请立即调整。
• 运行日志、SQLite 数据库、临时截图和本地配置不应进入版本库。
• 如发现安全问题，请参考 SECURITY.md 的方式反馈。

开源协议

SxDevOps 基于 Apache License 2.0 开源。分发或二次开发时请保留项目中的 NOTICE 文件。

特别说明

SxDevOps 目前是一个纯个人开源项目，UI 设计、架构设计、功能开发、测试验证和模型调用成本都主要来自个人业余时间与个人 Token 投入。受限于个人精力，项目现阶段一定还有不少不完善的地方，也难免存在 Bug，欢迎大家多提 Issue、建议和 PR，我会在能力范围内持续迭代。

如果这个项目、实现方式或产品思路对你有帮助，也欢迎小额打赏支持，帮我分担一点 Token 成本，也给后续继续迭代多一点动力。

最后特别鸣谢阿铭老师为本项目提供思路启发和大力宣传。如果你有 AIOps、大模型运维、自动化运维相关学习需求，可以通过阿铭老师的公开渠道添加微信咨询：铭科智联 - 跟阿铭学大模型/AIOps。