Ops Agent Semantic & Harness Platform

运维智能体的
语义与驾驭中台

不替代 CMDB / 监控 / ITSM。在客户运维工具之上，以语义本体 + 知识图谱 + Harness筑根基，保证可查、可拦、可评与有序办事——让运维智能体查得对、连得上、办得稳、查得回，在生产里真干活（非仅 Copilot 辅助）。产品设计体系 V1.1 · 愿景（对内）：承载运维数字员工

我们是什么：面向企业 IT 运维的智能体语义与驾驭中台——不是聊天框，而是让 AI 在生产里有序排查、有序办事的底座。

为谁解决：已有 CMDB、监控、ITSM、自动化平台，但多源连不通、AI 只敢辅助不敢扛活的运维团队、SRE 与 AIOps/ITSM 厂商。

解决什么：把碎片数据归一成可遍历的知识图谱，用 Agent.run + ToolGate + 规程/人工审批 让智能体查得对、办得稳、全过程可回放验收。

边界：不替代 CMDB/监控/ITSM/自动化平台；不直接登录生产机；读数经 Connector 回源，写操作经审批后调您现有平台执行。

4
四块拼图
本体·图·Agent·Harness
6
平台内分层
入口→Agent→数据→Pack
10+
引擎组件
AccessGW → ToolGate…
Go+Py
双栈技术面
Docker 开发 · K8s 生产
01 · 平台定位

我们做什么，不做什么

Copilot 停在「聊天 + RAG」；我们的壁垒是 语义根基 + OpsAgentBrain 推理主循环 + Harness 护栏——真干活，非仅辅助摘要。

跨源运维知识图谱

CMDB、监控、K8s、ITSM 归一入图。ALERT-991 能沿合法路径走到 CHG00412 和「在线支付」，每跳有对象 ID。

场景本体 + 可执行规程

TBox 类/关系/规则 R01～R05。制度人审入库，Harness 能拦截「重启生产 LB」等违规建议。

OpsAgentBrain · AI Native

LLM 多轮推理 + 意图路由 + ContextAssembler：GraphRAG（图） + 运维知识文档/case RAG（向量） 双路检索，结论须引用 object ID。

运维 Harness

编排 Agent.run + ToolGate 工具（Connector）+ OPA + 评测审计。换模型、换入口，办事能力不丢——从「聊一句」到「可回放流水线」。

明确不做

不替代 Prometheus/ServiceNow/CMDB；不自研通用 IM；不承诺零人值守全自动；入口层不做厚。

02 · 目标技术架构

软件架构全景

实线框 = OASHP 目标完整架构（排期见 05，不在此图删减）。记忆：图在 Neo4j、文档在 VectorStore，ContextAssembler 双路消费。多岗位：同一引擎 + 一张大图 + Scope 多重视野（非每岗一套中台）；审批人由 ResolveApprover + Pack hitl_policy 规则解析。详见 §07；答疑见顶部 FAQ。点击组件看右侧详情。

Agent.run 主控制流（运行时 · 两条触发入口，同一套大脑）
① 事件触发 · 告警 Webhook → AccessGW → 场景路由 → AgentHarness → AgentSvc（推理循环）↔ ToolGate → OPA / HITL → Connector
② 对话触发 · 企微/ITSM/OpenClaw → AccessGW POST /v1/chat → 意图识别 → 选 Pack+协议 → 同上 Agent.run（可带 session_id 多轮追问）
§03 演示以 ① 告警为例 · 记忆/意图/多轮/岗位 Scope 见下方 · Harness / 多岗位 / 多 Agent 等答疑见顶部 FAQ

智能体记忆（五要素 · Memory）

图（结构化）+ 向量（文档）互补；非 ChatGPT 式聊天 transcript 向量库。

类型存什么落在哪
长期·图CI/服务/告警拓扑、依赖边Neo4j · GraphSync
长期·文档运维知识文档/SOP、复盘、制度全文、相似 caseL5 向量库 · ops-pack/knowledge
长期·制度规程 R01～Rn、归一词典、协议ops-pack · OPA
短期子图片段、RAG 片段、工具返回、假设ContextAssembler · Agent.run
任务态工作流走到哪步、等人批、可断点续跑Temporal · workflow_id
会话用户多轮追问绑在同一诊断单Redis session_id → 关联 Trace
审计每步 LLM/工具/审批留痕ClickHouse · Admin 回放

意图识别与场景路由

AccessGW 接住自然语言或结构化事件后，AgentSvc 任务理解模块判断属于哪类运维任务：

  • 故障 RCA / 告警诊断 → DIAG-RCA Pack
  • 巡检 / 容量 / 变更评审 → 对应场景 Pack
  • 查拓扑、查变更、补证据 → 续跑已有 workflow_id

输出：场景 ID + Harness 协议 YAML + Scope，不是裸聊天。

两种「多轮」（勿混淆）

A · 任务内多轮（核心）
Agent.run 循环：假设 → 调工具 → 反思 → 再查 → 综合。§03 演示 B2～C1 即此类，不靠用户一句句 Prompt。

B · 用户对话多轮
值班员追问「再查昨天」「为什么不是网络」→ /v1/chat + session_id 挂同一 workflow_id，上下文从 Trace+图谱补全，不丢单。

我们建设（含技术标签）
外接系统（客户运维工具 / 第三方）
HTTPS / Webhook 对接协议
Pack 灌入引擎
Go · Gin 技术选型
意图·场景 路由
长期·图
长期·文档/RAG
短期记忆
会话记忆
多轮
岗位 Scope
审批路由
L1 入口 L2 Agent.run L3 运行时 L4 语义图谱 L5 数据层 L6 管理/Pack
外接 · 用户触点（非我们产品）
企微 / 钉钉 Bot OpenClaw WorkBuddy ITSM 侧边栏 iframe 监控 Webhook 源 自研值班台 Confluence / 知识库 ITSM KB
厂商大屏、IM、告警源、客户知识库——已有系统经 Connector 对接；可向量化后入我们 VectorStore，或 ToolGate 只读调对方检索 API
HTTPS REST · Webhook · WebSocket · MCP Client
OASHP 语义与驾驭引擎 · 我们建设
五要素在图中的落点（看各组件上的彩色标签）
感知 → L1 AccessGW 意图·场景路由 → L2 AgentSvc · IntentRouter 规划·任务内多轮 → L2 AgentSvc · Agent.run + Harness 记忆·图 → L5 Neo4j + L4 GraphSync 记忆·文档 RAG → L5 向量库 + L4 KnowledgeIndexer 双路检索 → L2 ContextAssembler（GraphRAG + 向量 RAG） 用户对话多轮 → L1 session + L5 Redis + 续挂 workflow 工具·行动 → L2 ToolGate + Harness 岗位视野 → Principal + Scope（L1→L4/L5/L2 贯穿） 审批指派 → Harness · ResolveApprover + Pack hitl_policy
多岗位隔离 · 贯穿链路（同一引擎 · 一张逻辑大图 · 多重视野 — 详见 09）
① Principal（IAM/企微）→ AccessGW 注入 Scope（domain / team / application / env）→ GraphSync · ContextAssembler · ToolGate 全程 scope_filter（服务端强制，不靠 Prompt）
② Pack：protocols/DIAG-*-Network|Compute|App + knowledge/{domain}/ + hitl_policy.yaml — 各岗维护本域切片，语义网统一
③ 跨域协同：IntentRouter → Orchestrator + Domain Specialist（机器侧并行查证）+ HITL（人侧会诊/审批）— 多 Agent 答疑见顶部 FAQ · 排期见 §08
L1 统一入口服务 · 感知 + 对话多轮入口
统一接入网关
AccessGW
Go · Gin · JWT · OTel
Webhook 事件 · /v1/chat 对话 · session_id 多轮追问 · 路由入队
感知 Principal·Scope 注入 会话记忆入口 用户对话多轮 B
L2 Agent.run 主循环 · 意图 / 规划 / 工具 / 任务内多轮
协议驾驭引擎 · 有序编排壳
AgentHarness
Temporal · Py/Go Worker
Agent.run 编排 · HITL 路由 · EvalRunner 评测
规划编排 ResolveApprover 任务内多轮 A
智能体服务 · LLM 推理核
AgentSvc
Python · FastAPI · LangChain
见下方三条子模块
意图识别 场景路由 短期记忆 规划·反思
工具网关
ToolGate
Go · gRPC · REST · MCP 对外
对外 MCP · 对内 gRPC · Connector 适配
工具 ACL·Scope
规程规则引擎
OPA
Go · Rego sidecar
规程规则 R01～Rn
AgentSvc（OpsAgentBrain）内部 — 意图 / 记忆 / 多轮推理落点
① IntentRouter · 意图识别 + 场景路由 用户话术或告警 → RCA / 巡检 / 续跑 → 选 Pack + 协议（如 DIAG-RCA-Network）+ scope_profile
② ContextAssembler · 双路检索 + Scope 裁剪 GraphRAG + 向量 RAG 均带 scope_filter（只灌本岗可见子图/运维知识文档）；合并 Pack 必查项
③ Agent.run 循环 · 任务内多轮 A 假设 → 调工具 → 反思 → 再查 → 综合；§03 演示 B2～C1 即此循环
AgentHarness · HITL 审批路由（写操作 · 规则指派，非随意点名）
① ResolveApprover 读目标 CI 的 owner_team / technical_domain（Neo4j）+ 动作类型 → 解析审批队列
② Pack hitl_policy.yaml 动作 × 资源类型 → 审批角色 / ITSM 队列；与 rules/ 并列，实施期配置
③ PostgreSQL HITL + ITSM 工单入队 · Temporal 挂起等待 · 可选 Connector 同步客户值班表/审批矩阵
L3 平台运行时 · 任务态记忆
工作流编排引擎
Temporal
Temporal 1.24+ 集群
workflow_id · 断点续跑 · HITL 等待
任务态记忆
密钥保管库
Vault
HashiCorp Vault / KMS
CMDB/ITSM/LLM 密钥集中管理
L4 语义与图谱 · 长期记忆 · 语义根基
语义治理核心
OntoCore
Python · FastAPI · rdflib
本体 · 映射 · Scope 维度 · 评审工作流
长期记忆·语义岗位→Scope 映射
领域包注册中心
PackRegistry
Python · 可内嵌 OntoCore
Pack 安装 · 版本 · 依赖校验
图谱同步服务
GraphSync
Go · neo4j-driver · Kafka
采集入图 · 图查询 API → ContextAssembler
长期记忆·入图domain·owner_team 标签
L4 · KnowledgeIndexer · 知识入库（文档 → 向量）
分域目录（各岗维护） knowledge/network/ · compute/ · app-pay/ … 各域 SME 提交，统一发版
切片与元数据 Embedding + domain · owner_team · chunk_id → 供 ContextAssembler Scope 过滤检索
写入目标 L5 VectorStore；与 Pack 版本 pinning；网络岗单查设备只召回本分域运维知识文档
L5 平台数据层 · 图记忆 + 向量记忆 + 会话 + 审计
ContextAssembler 双路检索： ① GraphRAG → Neo4j（多跳根因、object ID） ·  ② 运维知识文档/case RAG → VectorStore（带 domain Scope 过滤） ·  ③ 亦可经 ToolGate 调客户外接知识库（虚线框，不自建向量库）
知识图谱库
Neo4j
5.x 集群
长期·图·Scope 过滤
向量知识库
VectorStore
Qdrant / pgvector
长期·文档·domain 元数据
元数据数据库
PostgreSQL
16+ 元数据
消息事件总线
Kafka
事件总线
高速缓存
Redis
7 Cluster
会话记忆
审计分析库
ClickHouse
审计 OLAP
审计记忆
对象存储服务
MinIO
Pack/Trace
L6 管理台 · 领域包
平台管理控制台
Admin UI
Vue3 · Element Plus · G6
本体 · 映射 · 评测看板
运维领域包
ops-pack
YAML · 咨询交付灌入
本体 · 多域协议 · rules · hitl_policy · knowledge/
长期·制度 knowledge/分域 DIAG-* 域变体 hitl_policy scope_profile
ops-pack 经 PackRegistry 灌入 → OntoCore · Harness · ToolGate · OPA；knowledge/ 经 KnowledgeIndexer → VectorStore（引擎空壳 + Pack = 能力）
ToolGate / GraphSync → Connector 插件
Connector 插件层 · 我们提供框架，实施配置客户 API
CMDB Connector Prometheus / Zabbix ITSM Connector 自动化平台 Adapter 企微 / ITSM 通知 K8s API Knowledge Base
读：REST/OpenAPI 回源（含外接 KB 向量检索或文档同步）· 写：经 HITL 后调客户自动化平台 · 密钥进 Vault
REST / API · Webhook 入站 · 只读优先
外接 · 客户数据源（CMDB / 监控 / ITSM 等 · 我们不替代）
CMDB Prometheus Zabbix ServiceNow / ITSM ELK / Loki APM
GraphSync Connector 同步归一入 Neo4j；ToolGate 按需回源查最新明细
外接 · 客户执行平台（写操作由此执行 · 中台不 SSH 生产）
Ansible Tower / AWX 蓝鲸 / 自研运维平台 K8s API 脚本调度 / 自动化执行引擎
如 restart_lb：ToolGate 经 Connector 调客户 API → 客户平台执行脚本 · 全程审计入 ClickHouse
外接 · LLM
公有云 API 私有化 vLLM
OpenAI 兼容 API
AgentSvc ModelRouter

AccessGW · 统一接入网关

外部 Bot/值班台/告警源不放进引擎内——它们通过 REST/Webhook 调 AccessGW。我们只做网关服务本身。

  • 技术：Go · Gin · Redis 限流
  • POST /v1/diagnose — 触发诊断协议
  • POST /v1/chat — 自然语言路由
  • POST /webhooks/alerts — 告警入站 → Kafka

平台组件说明一览

下图每个实线框组件的职责、效果与数据含义。数据库类单独说明「存什么、为何存、起什么作用」。运行时主路径见上方 Agent.run 控制流；ALERT-991 工具清单见 §03 演示；工具与数据边界见顶部 FAQ。

组件（英文代号） 中文名称 技术栈 做什么（职责） 产生什么效果 数据说明（存什么 / 为何存）
应用服务层
AccessGW 统一接入网关对外唯一 HTTP 入口 Go · Gin
JWT · OTel		 统一对外入口：接收 Bot、值班台、告警 Webhook、/v1/chat 对话；验签、鉴权、限流；告警快速 ACK 入 Kafka，对话请求注入 session_id 后转 AgentHarness。 外部只调一组 API；事件与对话两种触发，后面同一套 Agent.run；告警 <50ms ACK 不堵洪峰。 不持久化业务正文；会话令牌与 session 绑定 走 Redis（TTL）；请求日志 OTel。
AgentHarness 协议驾驭引擎按规程办事的「总指挥」 Temporal
Py/Go Worker		 编排 Agent.run：LLM 规划 → ToolGate → OPA → ResolveApprover（读 CI owner + Pack hitl_policy）→ HITL 工单 → 批准后再写；跨域 Orchestrator 并行 Specialist，必要时 HITL 会诊（09）。 审批人规则解析，非随意点名；§03 演示 duty_manager 为教学简化；生产按域队列（网络批网络、应用批应用）。 工作流状态由 Temporal 持久化（步骤、重试、等待点）；业务 Trace 写入 ClickHouse。
AgentSvc 智能体服务OpsAgentBrain · AI Native Python · FastAPI
LangChain		 IntentRouter 选域协议 + scope_profile；ContextAssembler 双路检索均带 Scope；Agent.run 多轮；ModelRouter 双通道。 网络岗单查交换机：只拉 network 子图 + network 分域运维知识文档；跨域 ALERT-991 在 Scope 内查 + HITL 转派他组。 进程无状态；记忆在 Neo4j + VectorStore + Temporal + Redis + ClickHouse。
ToolGate 工具网关智能体查数据、调系统的「手脚」 Go · gRPC
REST · MCP		 智能体唯一「手脚」：对外暴露 MCP Server（OpenClaw 等）；对内 Agent 走 gRPC。校验 JSON Schema；按 Scope 过滤；经 Connector 调 GraphSync 或客户 REST API。 模型见不到 CMDB 密码；每次工具调用有对象 ID、可追责；写操作经人工审批后调客户自动化平台，中台不直接 SSH。 每次调用写审计事件到 ClickHouse；密钥从 Vault 读取，不落库。
OPA 规程规则引擎把制度变成可执行的红绿灯 Go · Rego 执行 Pack 内可机读规程（R01 维护窗口、CAB 规则等）；Harness 每步前后强制校验。 「建议重启生产 LB」等在输出前被规则打回；金融政企敢用，因为制度是代码而非 Prompt。 规则条文存 Pack + OntoCore 版本库；OPA 本身无业务数据。
OntoCore 语义治理核心管本体、映射、评审 Python · FastAPI
rdflib		 管理本体 TBox、归一词典、数据源映射、评审工作流；导出 Neo4j schema 与 MCP enum。 运维「制度 + 概念」可版本化、可评审；换场景 = 换 Pack，不改引擎代码。 元数据存 PostgreSQL；本体文件存 Git/MinIO。不存告警与 CI 实例（那些在 Neo4j）。
PackRegistry 领域包注册中心Pack 装/卸/版本 Python
可内嵌 OntoCore		 从 Git/MinIO 加载 ops-pack 等领域包；校验依赖；注册到 OntoCore、AgentHarness、ToolGate。 引擎空壳 + Pack 即能力；版本回滚、发布门禁与 Pack 版本绑定。 Pack 元数据存 PostgreSQL；制品包存 MinIO/Git。不存业务图谱数据。
GraphSync 图谱同步服务拉客户运维工具数据、归一、入图、查图 Go · neo4j-driver
Kafka consumer		 Connector 从外接 CMDB/监控/ITSM 拉数据，归一后批量 MERGE 入 Neo4j；提供预置 Cypher 图查询 API。 ALERT-991 能沿合法边走到 pay-gw-03 → 在线支付 → CHG00412；跨源碎片焊成可遍历的图。 本身不存数据；写入 Neo4j。消费 Kafka 告警 topic 驱动入图。
Admin UI 平台管理控制台配本体、看评测、查审计 Vue3 · Element Plus
AntV G6		 本体编辑、映射配置、Pack 管理、Scope 权限、Agent.run 推理 Trace 回放、评测看板与审计检索；管理面，非值班聊天界面。 架构师维护 Pack；负责人查看评测通过率、推理步与工具链审计——可查、可拦、可评。 纯前端；数据来自 OntoCore / ClickHouse API。
ops-pack 运维领域包运维知识资产（咨询灌入） YAML · Git/MinIO 运维领域资产包：类/关系表、规程、协议、工具 schema、评测 case、连接器配置（咨询交付灌入）。 引擎空壳 + Pack 内容 = 可运行的运维智能体；第二家客户复用引擎，裁剪 Pack 即可。 文件型资产，版本化存储于 MinIO 或 Git；加载时注册到 OntoCore/Harness/ToolGate。
平台运行时（我们运维的基础设施）
Temporal 工作流编排引擎AgentHarness 的「调度系统」 Temporal 1.24+
Server + Worker		 持久化多步诊断工作流：步骤顺序、失败重试、人工在环审批（HITL）等待、幂等与可视化历史。 根因诊断从一次性脚本变为可断点续跑的生产流水线；小时级等人审批不丢状态。 工作流状态由 Temporal 持久化；业务 Trace 写入 ClickHouse。非业务数据源。
Vault 密钥保管库密码不进代码和 Pack HashiCorp Vault
或云 KMS		 集中存储 CMDB/ITSM API 密码、LLM API Key、Webhook 验签密钥；ToolGate 统一取用。 智能体与审计日志不见明文密码；密钥轮换不重新发版引擎。 仅存密钥与策略引用。开发环境可用 .env 简化；生产 HA 集群必选。
平台数据层（我们运维的中间件）
Neo4j 知识图谱库存 CI、服务依赖、告警关联 Neo4j 5.x
因果集群		 运维知识图谱存储与遍历：CI、Service、依赖边、Alert 动态节点。 多跳根因/影响面图遍历；与 VectorStore 互补（图管 ID 链，不管长文运维知识文档）。 稳定层：CI、Service、App、depends_on 边（小时～日增量）。
动态层：Alert、Incident 快照（实时写入，TTL 7～30 天清理）。
不存：指标时序、原始日志、文档 embedding（那些在 VectorStore）。
VectorStore 向量知识库运维知识文档 · case · 制度全文 Qdrant
或 pgvector		 非结构化运维知识 embedding 索引：运维知识文档/SOP、故障复盘、Pack knowledge/、历史相似 case；供 ContextAssembler 向量 RAG 检索。 Knowledge-Assist、制度问答、相似事故叙述；不替代 Neo4j 多跳推理。 存：文档切片 + embedding 向量 + 元数据（pack_version、source_doc、chunk_id）。
入库：L4 KnowledgeIndexer 或 Connector 同步。
消费：L2 ContextAssembler top-k 检索。
KnowledgeIndexer 知识入库索引L4 · 切片与 Embedding Python
LlamaIndex		 Pack knowledge/、外接文档源切片 → 调用 Embedding API → 写入 VectorStore；与 Pack 版本同步 re-index。 咨询交付的 运维知识文档/制度文档可检索；发版可评测、可回滚向量版本。 不持久化业务向量（存 VectorStore）；任务状态可写 Kafka/PostgreSQL。
Kafka 消息事件总线告警削峰、任务异步投递 Apache Kafka
（开发 Redpanda）		 异步事件总线：告警入站、入图任务、诊断触发、评测批任务。 告警洪峰不冲垮 AccessGW；入图与诊断解耦，可独立扩消费者；支持背压与降级。 存：topic 消息（alerts.raw、graph.ingest、diagnose.trigger 等），保留 7 天级。
为何：削峰填谷 + 服务解耦，不丢告警。
PostgreSQL 元数据数据库用户、权限、Pack、审批单 PostgreSQL 16+ 平台关系型元数据：用户、Scope、Pack 版本、人工审批工单、评审流状态。 谁能在什么范围查什么图、哪版 Pack 在跑、哪张变更单在等人批——有事务保证。 存：账号/角色、Scope 策略、Pack 注册信息、人工审批队列、评审记录。
不存：图谱实例（Neo4j）、海量审计（ClickHouse）、CMDB 全库。
开发环境：可兼存简化审计。
Redis 高速缓存归一热数据、限流、分布式锁 Redis 7
Cluster		 热数据缓存、限流、分布式锁、归一词典热点；对话 session（session_id→workflow_id、最近 N 轮摘要）。 图查询加速；多轮对话追问绑在同一诊断单；Harness 多副本不重复执行。 存：归一缓存 TTL 1～5min；session:{id} 绑 workflow+追问上下文（TTL 可配）；限流桶；锁键。
为何：热路径加速 + 用户对话多轮短期记忆，非 CMDB 权威库。
ClickHouse 审计分析库工具调用与协议全链路日志 ClickHouse 24.x 审计与可观测 OLAP：工具调用日志、协议每步 Trace、评测结果。 监管/值班长能查「谁何时调了什么工具、依据哪版规则」；评测通过率可统计。 存：只追加的 audit 事件（trace_id、tool、params 摘要、规则版本、耗时）。
为何：年增长 TB 级、查询快、压缩高；满足等保审计留存。
MinIO 对象存储服务Pack 制品包、报告与归档 S3 兼容对象存储 Pack 版本包、评测报告导出、长 Trace 归档、本体文件快照。 Pack 可像制品一样发布回滚；大对象不挤占关系库与图库。 存：ops-pack 压缩包、评测报告 PDF/JSON、历史 Trace 包。
为何：大文件、版本化、低成本冷存。
03 · 根因场景数据流

一条告警怎么跑完全链路

支付网关超时 ALERT-991 完整演示（RCA 单场景示例，非唯一主路径）。Agent.run 推理循环：LLM 规划 → 工具查证 → 再推理 → 治理 → 行动/交付。下列内容默认全展开，可直接阅读；支持自动播放或点击逐步两种节奏。

当前：自动播放 · 按步骤自动前进，节奏已放慢，便于阅读每步说明。
共 19 步 · 演示 A：重启被拦截，工单未批准
自动播放点「开始」；点击逐步则在下方时间线区域任意点击前进一步。
P1
ALERT-991 · pay-gw 响应时延 > 3s（持续 5min）
来源：Prometheus · 实例 host-10-1-2-3:8080 · 业务线：支付生产 · 触发 12:00:58
trace_id
tr_8f3a2c91e4b7
HITL = 人工在环审批：重启、变更等写操作须值班长人工批准，智能体不能自行执行 LLM = 大模型推理：演示中 #1 规划、#2 反思、#3 综合，由 Agent.run 运行时自动触发

Agent.run 推理-工具循环（本例全展开）

LLM#1 规划
假设 H1
→
get_alert
→
trace_ci
→
list_changes
LLM#2 反思
置信 72%
→
query_metrics
追加查证
→
LLM#2 再反思
置信 91%
LLM#3 综合
→
OPA 治理
→
安全动作自动
→
人工审批（HITL）
→
写操作执行

实时状态面板

未播放时可点击左侧任一步骤卡片查看详情与 ClickHouse 审计；播放后显示值班员视角。
当前假设
等待播放…
置信度
—
本轮工具计划
—
处置动作状态
  • 播放后逐步更新
ClickHouse 审计记录（本步写入）
未播放时可点击左侧步骤卡片查看；播放时随步骤更新
表 oashp.agent_audit_events · MergeTree · TTL 365d

知识来源三分法（每步读什么）

① LLM 通用知识

模型自带排障常识：超时→变更/依赖/容量；如何组织查证顺序。不知道你们 CMDB 里 pay-gw 叫什么、变更单号是多少。

② Pack 制度经验库

ops-pack：归一词典、R01～R05 规程、reasoning_contract（支付线必查变更）、playbook 提示、评测 case。

③ 图谱事实 ABox

Neo4j 实时结构：CI、服务依赖、Alert 节点、变更关联。来自 CMDB/监控/ITSM 同步，每跳有 object ID。

④ 向量 RAG（运维知识文档/case）

L5 VectorStore 召回 运维知识文档、复盘、相似 case 片段，经 ContextAssembler 灌入 LLM。与 Neo4j 图检索互补——图管依赖链，向量管非结构化文档。

步骤明细表（全展开）

步骤 值班员视角 平台组件 LLM 推理 / 操作内容 读取的关键信息 知识来源 工具调用 本步产出
// 最终交付物 · ALERT-991

人工在环审批（HITL）· 写操作审批工单

HITL = Human-in-the-Loop，写操作须人工批准，智能体不能自行执行

INC-HITL-20250605-042
OpsAgentBrain（智能体）· 代值班 SRE 提交 · trace tr_8f3a2c91e4b7
ALERT-991 · pay-gw 响应 > 3s · 影响服务「在线支付」SVC-PAY-ONLINE
重启生产负载均衡 pay-lb-01，恢复 LB 权重配置
POST https://oashp.internal/v1/tools/restart_lb
Authorization: Bearer <HITL-approved-token>
Content-Type: application/json

{
  "tool": "restart_lb",
  "target_ci": "CI-PAY-LB-01",
  "hostname": "pay-lb-01",
  "action": "graceful_restart",
  "scope": "biz:payment-prod",
  "reason": "RCA-991 suspected CHG00412 correlation",
  "requested_by": "agent:ops-rca-v0.3.1",
  "hitl_ticket": "INC-HITL-20250605-042"
}
① CHG00412 维护窗口内 LB 权重调整 ② P99 在变更后 8min 从 0.8s→3.2s ③ 图谱路径 pay-gw-03→在线支付 · 置信 91%
R05 已拦截自动执行（非维护窗口禁止核心组件写操作）— 仅人工批准后可调写工具
  • 重启生产 LB 可能导致「在线支付」30～90s 流量切换抖动或短暂不可用
  • 当前非紧急变更窗口；与 CHG00412 关联尚未经人工最终确认
  • 若根因判断错误，重启可能无法恢复，需回滚 CHG00412
  • 同服务还有 pay-gw-03 等 4 台网关，重启 LB 不等于修复网关本身
  • 操作将写入 ClickHouse 审计，可追溯至本工单与 trace_id

批准后 → Harness 调度 ToolGate → 执行上述 API → 推送「已执行」通知 → 全链路审计

04 · 用户怎么用

四类典型使用场景

用户不一定打开我们的 UI——多数时候在已有工具里触发能力。

01

企微收到 P1 告警

Bot 推送卡片：「支付网关超时，是否启动根因辅助？」

02

点击「诊断」

AccessGW 接收请求，AgentHarness 跑 DIAG-PAY-GW-RCA 协议

03

90 秒内收到报告

含 ci_id、服务名、疑似变更单，每段可点击跳转客户运维工具

04

人工确认处置

违规建议已被规则拦截；写操作走人工在环审批（HITL）后执行

01

Prometheus 告警触发

Webhook 直达 AccessGW，无需人打开聊天

02

自动归一 + 入图

GraphSync 将 Alert 挂到正确 CI 节点

03

协议自动执行

按告警类型匹配协议，工具链自动调用

04

结果写入 ITSM / 推 Bot

预填事件描述、关联变更，值班员 waking up 时已有上下文

01

变更单评审侧边栏

ITSM iframe 嵌入本平台「变更影响分析」组件

02

输入变更 CI

Harness 跑 Change-Review 协议，图遍历影响面

03

红绿灯 + 规程检查

R01 维护窗口、CAB 规则自动判定，输出评审稿

04

审计留痕

规则版本、图快照、工具调用全记录，满足金融合规

01

监控厂商 OEM 嵌入

厂商大屏 Copilot 按钮调用本平台 API（白标「智能根因」）

02

引擎 + 连接器包

优先适配厂商自家产品 + Prometheus 栈

03

场景包 SKU

RCA-Assist / Impact-Query 按模块授权

04

客户无感迁移

入口仍是厂商产品；背后语义能力来自 OASHP 引擎

05 · 生态对接

与第三方平台怎么接

入口是管子，语义与 Harness 是水源。先把水源挖通，管子能接别人的。

虚线 = 第三方/客户系统
实线 = OASHP 引擎
外接入口（非我们开发）
飞书 / 钉钉 OpenClaw WorkBuddy ITSM 侧边栏 监控 Copilot
REST · Webhook · MCP · WebSocket
OASHP 引擎 · AccessGW 对外暴露
POST /v1/diagnose POST /v1/chat Webhook /alerts MCP Server（ToolGate）

内部：Temporal · Neo4j · Kafka · OntoCore · GraphSync

Connector 插件 · 客户 API 只读
外接数据源（客户运维工具 · 我们不建设）
CMDB Prometheus / Zabbix ServiceNow ELK / Loki APM K8s

与各类产品的关系

第三方产品关系集成方式
OpenClaw 等 Agent Gateway 入口合作伙伴 MCP / HTTP 调 ToolGate；注册运维子 Agent
CoPaw 等个人 Agent 工作站 工位 + 运维技能后端 MCP / /v1/chat 调 ToolGate；详见顶部 FAQ
WorkBuddy 等办公 AI 垂直技能嵌入 插件 / MCP「运维技能包」
ServiceNow / Dynatrace Copilot 数据源 + 浅入口 读其 API；本平台补跨源图 + 协议 + 评测
监控 / AIOps 厂商 B2B2B OEM 客户 引擎私有化 + 白标 + Connector Pack
通用 Agent 框架 不替代本平台 编排用 Temporal；运维协议与 Pack 必须自有
06 · UI 界面策略

目标架构里的 UI 长什么样？

入口是智能体工位，OpsAgentBrain + Harness 是雇主环境。值班员在企微/Webhook/CoPaw/OpenClaw 等外接工位触发；Admin UI 管中台（本体、Pack、推理 Trace、评测与审计）——不是「运维版 ChatGPT」。为何不做人人都可挂 Skill 的厚 UI？见顶部 FAQ。

OASHP Admin · Trace 回放 tr_8f3a2c91e4b7
本体 Pack Trace 评测
plan · 假设「变更相关」→ 规划 3 个 tool
tool · get_alert(991) → trace_ci → list_changes
opa · R05 拦截「重启生产 LB」草稿
synthesize · RCA-991 推送 ITSM + 企微
管理面 · 固定

Admin UI · 管理控制台

本体/映射编辑、Pack 版本、Scope 权限、Agent.run 推理 Trace 回放、评测看板、审计检索、图谱质量探针。AntV G6 图可视化——看管智能体怎么推理、怎么办事。

Prometheus Webhook POST /v1/diagnose
ALERT-991
AccessGW
Agent.run
12:00:58 告警入站 → 12:01:01 Agent.plan 自动启动
无需值班员打开聊天窗口
作业面 · 外接工位

薄入口 · 可插拔

优先级最高：告警 Webhook → 自动跑 Harness；其次企微/钉钉 Bot 卡片、ITSM iframe 侧边栏、统一 API；CoPaw / OpenClaw 经 MCP/HTTP 调 ToolGate（见顶部 FAQ）。经 AccessGW 调引擎——我们不主做 IM，不做 Copilot 皮肤。

值班会话 · ALERT-991 可选增强
1假设：网关超时可能与 LB 变更相关
2查证：CHG00412 维护窗口内 weight 调整
!拦截：重启 pay-lb-01 被 R05 拒绝
拓扑 RCA
pay-gw 在线支付
CHG00412
可选增强

运维专属交互组件

推理链逐步展开、评测嵌入会话、拓扑 RCA 可视化。无生态通道或需品牌化输出时再加，非默认必做——有 Webhook/企微/ITSM 时优先用薄入口。

我们会做的 UI

本体/映射管理台 · Agent 推理 Trace 回放 · 评测与审计看板 · 图谱质量探针 · ITSM 嵌入组件 · 推理链逐步展开组件 · Scope 权限配置

我们不主做的 UI

通用 IM 聊天产品 · 与钉钉企微抢入口 · 监控大屏重做 · 全功能 Copilot 皮肤 · 无审计的「全能聊天」

07 · 多岗位隔离

一张图，多重视野

网络/主机/ERP 岗差异是 Scope 过滤，不是每人一个 Agent。跨域时才上 Orchestrator 编排。岗位权限、审批指派、多域知识怎么组织——见顶部 FAQ。

全公司运维知识图谱

网络
主机
中间件
支付
ERP
CRM

网络岗看到的子图

只能看到网络设备、链路、网络变更；支付/ERP 节点变暗。

网络
主机
中间件
支付
ERP
CRM
08 · 场景扩展路线

架构不变，场景递进

平台按最终架构一次建成（含 Admin UI、Temporal、Vault、PackRegistry）。变的只是 先交付哪个场景包、先接哪几家客户运维工具。详见 05-交付路线与场景优先级.md。

阶段 1 · 8~12 周

根因辅助闭环

首期交付 RCA-Assist：三源入图、五只读工具、DIAG-RCA 协议、十 case 评测 ≥80%。证明「不是 Copilot」。

ops-pack AgentHarness GraphSync Admin UI
阶段 2 · 3~6 月

生产试点

+Impact-Query 影响面、企微 Bot、ITSM 侧边栏、30~50 case 评测、审计报表。试点线 30% P2 告警先用本平台。

Impact-Query OpenClaw Scope 隔离 合规审计
阶段 3 · 6~12 月

多场景平台化

+Change-Review、连接器模板化、多租户、对外 MCP、跨域 Orchestrator + Domain Specialist。成为他方 Agent 的「运维后端」。

Change-Review 写操作+人工审批 连接器市场 多 Agent 编排
阶段 4 · 12 月+

受控自治

运维知识文档处置首步自动执行、变更红绿灯、OntoEKG 辅助本体迭代。前提：连续 6 月无重大误判。

自动处置 本体自进化 AIOps 双轨
09 · 商业模式

四层商品 + 三种售卖模式

客户买到的不是「中台软件」四个字，而是 引擎 + 连接器 + 场景包 +（几乎必有）专业服务。

商品层对内名称卖什么归属
① 引擎核心OntoCore + GraphSync + AgentHarness + PackRegistry装领域知识的运行时，可 OEM平台
② 连接件Connector + ToolGate 适配器对接客户运维工具（CMDB/监控/ITSM）平台
③ 场景包ops-pack 内 Scene SKURCA-Assist / Change-Review 等平台 SKU + 咨询灌内容
④ 专业服务工作坊 + 实施陪跑本体共建、映射、评测、验收咨询交付

模式 A · B2B2B OEM

嵌入监控/AIOps/ITSM 厂商。卖引擎 + Connector Pack + Scene Pack，白标「XX 智能运维大脑」。

模式 B · B2B 直连

金融/运营商/大型互联网。私有化部署 + 驻场 MVO 工作坊 + 年度维保。核心链路单场景百万级。

模式 C · API / MCP 计量

OpenClaw、WorkBuddy、飞书 ISV。按诊断次数 / 工具调用计费。运维 Scene API 或 MCP Server。

点击逐步 · 在时间线区域任意点击即可开始 点击屏幕继续