index.html (1.3 MB)
TRAE AI 创造力大赛 · 学习工作赛道参赛作品
作者：睿哥 | 日期：2026-07-05
一、作品简介
企业级 AI 运维专家（AI-Ops Expert）是一款面向企业 IT 运维团队的 AI 原生智能运维平台。
它把传统运维从"人海战术 + 经验依赖"升级为"AI 驱动 + 数据决策"：通过大模型推理 + 实时监控数据，实现故障智能诊断、根因自动定位、运维对话式交互、自愈方案生成的全链路闭环。
一句话价值
当故障发生时，运维人员不再需要翻阅数百条告警、跨团队开会排查——只需问一句"订单服务为什么变慢？"，AI 就能在 10 秒内输出根因推理链、影响面评估和处置方案。
二、为什么做这个？痛点有多痛？
企业 IT 运维是一个千亿级市场，但痛点极其尖锐：
| 痛点 | 现状 | 代价 |
|---|---|---|
| 告警风暴 | 一次故障引发数百条告警，运维被淹没 | 真正根因被掩盖，MTTR 动辄数小时 |
| 故障定位慢 | 跨团队协作排查，靠人海堆 | 每分钟宕机损失可达数十万 |
| 经验难沉淀 | 资深运维离职，新人重复踩坑 | 同一类故障反复发生 |
| 运维门槛高 | 需精通 Prometheus/ELK/K8s 等多种工具 | 中小团队招不到、养不起 |
核心矛盾：系统越复杂，故障越难定位；而运维人力成本却越来越高。
AI 的解法：让 AI 读懂监控数据、理解故障传播路径、复用历史经验，把"专家经验"变成"系统能力"。
三、核心功能（Demo 已全部实现，可亲手体验）
功能 1：AI 故障诊断对话（最大亮点，AI 原生设计）
用自然语言提问，AI 输出CoT 思维链推理，逐步还原故障传播路径：
用户：帮我诊断告警：数据库 CPU 使用率超过 85%
AI（流式输出）：
▍推理中 1/4 异常检测
MySQL 主库延迟从 8ms 飙升至 120ms（超阈值 15 倍），CPU 88%
证据：db.latency = 120ms, db.cpu = 88%
结论：数据库层存在性能瓶颈
▍推理中 2/4 传播路径分析
订单服务依赖数据库，接口延迟连锁升至 280ms
证据：order.latency = 280ms, dependency: order → database
结论：故障自下而上传播
▍推理中 3/4 根因定位
订单服务 v3.1.2 新增「订单历史查询」接口未对 created_at 建索引
证据：全表扫描 → CPU 饱和 → 慢查询
结论：索引缺失是根因
▍推理中 4/4 处置建议
立即：添加 idx_created_at 索引
短期：建立 SQL 审核流程
风险：低
📌 根因：订单服务 v3.1.2 新增查询接口未建索引
📊 影响：订单服务、支付服务、API 网关
🔗 相似案例：MySQL 慢查询导致订单服务超时（点击查看）
AI 原生体现：
- CoT 思维链：不是黑盒给出答案，而是像专家一样"边推理边说明"
- 实时数据驱动：推理过程引用真实监控指标作为证据
- 知识库 RAG：自动匹配历史相似案例，经验复用
- 流式渐进渲染：模拟大模型逐字输出，步骤逐步揭示
功能 2：智能告警中心
- 告警聚合降噪：同源告警收敛，避免风暴
- 智能定级：基于影响面自动 P0-P3 分级
- 根因标注：AI 自动关联相关告警，标记疑似根因
- 一键 AI 诊断：点击告警 → 自动填充问题 → 触发诊断
功能 3：运维驾驶舱
- 系统健康度总览（SLO/SLI/MTTR）
- 多维监控面板（CPU/内存/延迟/QPS 实时流）
- 9 个微服务拓扑可视化
- 告警态势概览
功能 4：故障知识库
- 6 个历史典型案例（覆盖数据库、内存、雪崩、流量等场景）
- 语义检索 + 标签筛选
- 案例详情：症状 / 根因 / 方案 / 解决时长
- 与 AI 诊断联动（点击关联案例可跳转）
功能 5：故障注入实验室（演示关键）
内置 4 种真实故障场景，评委可亲手操作：
- 数据库慢查询 —— 索引缺失导致 CPU 饱和
- 内存泄漏 —— 对象未释放导致 OOM
- 服务雪崩 —— 级联故障传播
- 流量突增 —— 突发流量压垮系统
完整演示闭环：注入故障 → 告警生成 → AI 诊断 → 知识库匹配
四、技术方案
技术栈
| 层级 | 技术 | 选型理由 |
|---|---|---|
| 框架 | React 18 + TypeScript | 主流稳定，类型安全 |
| 构建 | Vite | 极速 HMR，开发体验佳 |
| 样式 | TailwindCSS | 原子化，统一设计系统 |
| 图表 | ECharts | 运维监控可视化能力强 |
| 状态 | Zustand | 轻量高效，适合中型应用 |
| 路由 | React Router | 标准方案 |
| 图标 | Lucide React | 现代美观 |
架构设计
┌─────────────────────────────────────────────────┐
│ 前端展示层（TRAE IDE 开发） │
│ 驾驶舱 │ 告警中心 │ AI诊断 │ 知识库 │ 故障注入 │
└───────────────────┬─────────────────────────────┘
│
┌───────────────────▼─────────────────────────────┐
│ 模拟数据与 AI 逻辑层（前端内置） │
│ 时序指标流引擎 │ 故障注入器 │ AI 推理引擎(CoT) │
│ 告警聚合引擎 │ 知识库 RAG 检索 │
└─────────────────────────────────────────────────┘
AI 能力实现
Demo 阶段采用内置规则引擎 + 模拟 CoT 推理方案：
- 预定义故障场景的诊断知识图谱
- 动态读取实时监控指标生成推理证据
- 模拟"思维链"逐步输出过程
- 优势：不依赖外部 API，Demo 稳定可运行，评委可离线体验
复赛将接入真实大模型 API，实现更强的自然语言理解与推理能力。
关键技术亮点
- CoT 渐进渲染：自定义
useProgressiveRevealHook，推理步骤逐步揭示，"推理中 X/Y"实时进度 - 流式输出：自定义
useTypewriterHook，模拟大模型逐字输出 - 级联故障引擎：故障注入后按服务依赖图传播，指标变化与叙事数据一致
- ECharts 生命周期管理：init/dispose 分离，避免内存泄漏
- 意图识别：自然语言提问自动分类（诊断/查指标/知识问答/问候/无关）
- ErrorBoundary 全局兜底：任何子组件崩溃不影响整体可用
五、如何体验（90 秒上手）
Step 1：打开驾驶舱
进入首页，查看 9 个微服务健康状态、实时指标流、系统健康度。
Step 2：注入故障
进入「故障注入实验室」，点击「数据库慢查询」卡片 →「注入故障」。
Step 3：查看告警
进入「告警中心」，查看自动生成的分级告警，AI 已标注根因。
Step 4：AI 诊断（核心体验）
方式 A：在告警中心点击「AI 诊断」按钮，自动填充问题并触发诊断
方式 B：进入「AI 诊断」，输入"订单服务为什么变慢？"，体验 CoT 推理链
Step 5：知识库
进入「故障知识库」，搜索/筛选历史案例，或在诊断结果中点击关联案例跳转。
体验链接：（部署后填写）
六、创新性说明
1. AI 原生设计，非"传统软件 + AI 按钮"
- 不是把 AI 当工具调用，而是以 AI 推理为核心交互范式
- 用户用自然语言描述问题，AI 用思维链输出结论，全过程透明可追溯
2. CoT 思维链可视化，让 AI 推理可解释
- 业界大多数 AIOps 产品是黑盒告警，本作品把推理过程完整暴露
- 每一步都有"证据 → 结论"，符合运维场景对可解释性的强需求
3. 故障注入 + 实时诊断闭环，Demo 可亲手玩
- 评委不是看录屏，而是亲手注入故障、亲眼看到 AI 诊断全过程
- 4 种故障场景 + 完整数据流闭环，完成度高
4. 知识库 RAG 联动，经验可复用
- AI 诊断时自动匹配历史相似案例
- 形成故障 → 诊断 → 沉淀的闭环，解决"经验难沉淀"痛点
七、完成度说明
| 模块 | 完成状态 |
|---|---|
| 运维驾驶舱 |  实时指标流、健康度、告警概览、ECharts 图表 |
| 智能告警中心 | 分级告警、根因标注、一键诊断 |
| AI 故障诊断 | CoT 渐进渲染、流式输出、意图识别、知识库联动 |
| 故障知识库 | 搜索、标签筛选、案例详情、跳转联动 |
| 故障注入实验室 | 4 种场景、级联传播、恢复机制 |
| 工程化 | TypeScript 零错误、ErrorBoundary、404 兜底、内存泄漏修复 |
- TypeScript 严格模式零错误
- 浏览器控制台零报错
- 所有交互闭环可用，无死链无空状态
八、商业潜力与社会价值
商业模式
- SaaS 订阅：按监控节点数分级收费，中小团队起步版免费
- 私有化部署：面向金融/政企客户，年费制
- 市场空间：中国 AIOps 市场规模 2025 年预计 200+ 亿，年增 30%
社会价值
- 保障民生基础设施：金融、医疗、政务系统稳定运行，减少故障导致的社会影响
- 降低运维门槛：让中小团队也能享受企业级运维能力，促进技术普惠
- 人才培养：AI 诊断的推理链本身就是教学素材，助力新人快速成长
九、未来规划
| 阶段 | 时间 | 规划 |
|---|---|---|
| 复赛 | 8.9 前 | 接入真实大模型、根因可视化拓扑图、自愈方案执行模拟、容量预测 |
| 决赛 | 8.22 | 3-5 分钟演示视频、路演 PPT、真实场景案例、效果数据对比 |
十、致谢
本项目全程使用 TRAE IDE 开发，AI 辅助实现了：
- 项目架构设计与代码生成
- CoT 推理引擎与流式渲染 Hook
- 故障场景数据建模与级联传播算法
- Bug 诊断与修复（TypeScript 类型错误、ECharts 内存泄漏等）
TRAE 的 AI 对话能力显著提升了开发效率，让一个人在短时间内完成企业级 Demo 成为可能。
世界很大，放手去造。 让 AI 成为每一位运维工程师的超级大脑。