holmesgpt

HolmesGPT 是一个用于排查生产事故、定位根因的开源 AI Agent，也是云原生计算基金会（CNCF）的沙箱项目。拿到一个告警或问题后，它会运行一个 Agent 循环，查询你整个技术栈中的实时可观测性数据（Kubernetes、虚拟机、云服务商、数据库和 SaaS 平台），并解释出了什么问题。

它适合希望加快故障分诊的 SRE、平台和值班团队。内置工具集可以连接 Prometheus、Grafana、Datadog、Kubernetes 等众多数据源，也支持任意 REST API；告警集成可以从 AlertManager、PagerDuty、OpsGenie 或 Jira 拉取告警，并把排查结论写回去。它针对大数据量做了专门设计：服务端过滤、输出转换和内存限制，能把巨大的返回数据挡在模型上下文之外，并避免内存溢出崩溃。较新的 Operator 模式运行在 Kubernetes 中，在后台执行部署验证和定时健康检查，在人发现之前就捕捉到问题。它支持 OpenAI、Anthropic、Azure、Bedrock、Gemini 等模型服务，并不依赖 Kubernetes。

上手方式：按照安装文档选择 CLI 或其他部署方式，接入模型服务和你使用的数据源，然后让它排查某个告警或现象。