OpsAGI 智能运维平台操作手册

值班人员

5 分钟上手

1. 登录系统，使用账号密码或钉钉扫码登录。
2. 从左上角项目选择器选择负责项目。
3. 查看仪表盘中的今日告警、P0/P1、MTTR 和去重率。
4. 进入工单中心筛选高优工单，查看 AI 建议和 SOP。
5. 接受工单，处理后标记解决，填写根因并关闭。

项目管理员

15 到 30 分钟初始化

1. 创建项目并添加成员，按职责分配角色。
2. 生成 Webhook Token 并在告警系统中配置接口。
3. 配置钉钉、企微或邮件通知渠道并测试推送。
4. 创建并发布第一个 SOP，配置触发规则。
5. 发送模拟告警完成端到端验证。

巡检负责人

3 步启动巡检

1. 创建数据平台连接，推荐 OpenAPI 模式并测试连通性。
2. 新建巡检配置，设置 Cron、范围、规则和建单策略。
3. 关联通知渠道，先人工决策观察再逐步开启自动建单。

仪表盘概览

• 关注今日告警数、未解决高优工单、MTTR 和去重率。
• P0 建议 30 分钟内响应，红色 SLA 标识需要优先处理。
• 未解决 P0/P1 工单应作为值班期间的第一优先级。

工单列表

• 支持按状态、优先级、来源、类型、负责人、时间范围筛选。
• 列表展示编号、标题、优先级色标、状态、来源、负责人和 SLA 剩余时间。
• 支持关键词搜索和 CSV 导出。

工单详情

• 查看基本信息、AI 分析建议、SOP 匹配、原始告警、处理时间线和评论。
• SOP 卡片可反馈有用、不准或补充信息。
• 评论支持 Markdown、@提及团队成员和粘贴图片。

状态流转

• OPEN 待认领，点击接受进入 IN_PROGRESS。
• 处理完成后标记 RESOLVED，并填写根因分类。
• 确认无需跟进后关闭为 CLOSED，必要时可重新打开。

项目生命周期

• 超级管理员在系统管理中创建项目，系统自动生成 Webhook Token。
• 项目管理员可编辑基本信息、描述和负责人。
• 归档项目后进入只读状态，仍可在筛选已归档后恢复。

成员管理

• 在项目设置中搜索用户并分配查看者、编辑者或项目管理员角色。
• 修改角色后立即生效，移除成员不影响历史工单和评论。
• 同一用户在不同项目中可拥有不同角色。

Webhook 与通知

• 复制接口 URL 和 Token，可配置 IP 白名单与开关。
• 重新生成 Token 后旧 Token 立即失效。
• 通知渠道支持钉钉 Stream、钉钉 Webhook、企业微信 Webhook 和邮件。

项目隔离规则

• 工单数据跨项目不可见。
• 告警只流入对应项目，SOP 与项目绑定，全局知识除外。
• 巡检配置和通知渠道在项目内独立维护。

配置步骤

• 进入项目设置，复制 Webhook URL 和 Token。
• 按需配置 IP 白名单并确认 Webhook 开关开启。
• 在告警系统中配置 Webhook 地址并发送测试告警。
• 验证工单创建、优先级映射和通知送达。

系统对接要点

• Prometheus + Alertmanager 建议开启 send_resolved。
• Grafana 在 Alerting 的 Contact points 中添加 Webhook。
• Zabbix 需创建 Webhook 类型 Media type 并映射字段。
• DataWorks DQC 使用自定义 Webhook，将规则名映射到标题。

自动处理流程

• critical 映射 P0，warning 映射 P1，info 映射 P2，low 映射 P3。
• 按告警指纹或标题相似度合并重复告警。
• 异步生成故障摘要、根因推断、建议步骤和 SOP 匹配。
• 通知渠道推送 AI 摘要和 SOP 链接。

异常排查

• Token 无效、IP 被拒、请求格式错误是常见接入失败原因。
• 同一指纹默认 10 分钟静默期内不重复建单。
• 告警自动恢复需在 Webhook 配置中单独开启。

创建 SOP

• 填写标题、描述、适用优先级、适用系统和是否全局。
• 每个操作步骤包含名称、描述、预期结果、风险级别、预计耗时、参考命令和兜底方案。
• 配置关键词、正则表达式或标签触发规则。
• 补充团队、维护人和升级规则。

生命周期

• 草稿 DRAFT 可持续编辑。
• 发布后进入 PUBLISHED 并参与匹配。
• 归档后进入 ARCHIVED，只读且不再匹配。
• 修改已发布 SOP 后会重新计算向量。

匹配机制

• 规则匹配优先，命中后置信度为高。
• 规则无结果时启用语义向量匹配，置信度为中。
• 最多展示 5 个推荐 SOP，规则匹配排前。

反馈与候选

• 工单详情可反馈有用、不准或补充。
• 反馈汇总在知识库反馈记录中。
• 分析中心可按故障模式聚类生成 SOP 候选草稿。

数据平台连接

• 推荐 OpenAPI 模式，填写 Region、Endpoint、AccessKey 等信息。
• Cookie 模式可作为备选，但 Cookie 可能过期。
• 保存前必须点击测试连接确认可用。

巡检配置

• 设置名称、关联数据平台连接和 Cron 周期。
• 限定关注状态、项目范围、业务单元前缀、负责人、任务名和排除白名单。
• 可配置运行超时、失败率阈值、连续失败次数等规则。
• 建单策略支持发现即建单、人工决策后建单、达到阈值后建单。

巡检报告

• 展示任务状态分布、整体成功率、新增异常数和待决策异常数。
• 列出失败任务、运行超时 TopN 和近 7/30 天趋势。
• 任务实例可查看日志、刷新状态、创建子单和执行高风险操作。

异常决策

• 可选择建单跟进、暂不建单或延后复核。
• 延后到期后回到已通知状态重新提醒。
• 新配置建议先人工决策 1 到 2 周，再开启自动建单。

根因分析报告

• AI 将相似工单自动聚类，展示主题、数量、时间跨度和代表工单。
• 展示故障频发资产、时间分布、错误类型分布和 AI 修复建议。
• 适合从故障模式和资产关联角度理解根因。

运维效率分析

• 展示 MTTR 趋势、SLA 达成率和团队效率排行。
• 识别新增、消除和持续高频问题。
• 自动化率与去重率反映知识库覆盖度和告警质量。

SOP 候选草稿

• 系统聚类历史工单并由 AI 提炼处理步骤。
• 候选展示建议标题、覆盖工单数、建议步骤和触发关键词。
• 可保存为草稿、跳过或对失败候选重试。

筛选与导出

• 支持 7/30/90 天和自定义时间范围。
• 报告可导出 PDF 或 CSV。
• 责任人排行仅用于了解分布，不作为绩效考核依据。

前提条件

• 在个人中心完成钉钉账号绑定。
• 点击绑定获取绑定码，在钉钉发送 /bind 加绑定码。
• 加入已配置 OpsAGI 机器人的钉钉群聊。
• 群聊中需要 @机器人 再输入命令，单聊可直接发送。

工单命令

• /report-bug 上报 BUG。
• /report-alert 上报告警。
• /ticket-list、/ticket-detail 查看列表和详情。
• /ticket-accept、/ticket-resolve、/ticket-close、/ticket-forward 处理工单。

巡检命令

• /inspection-list 查看异常列表。
• /inspection-detail 查看异常详情。
• /inspection-ticket 建单。
• /inspection-ignore 忽略，/inspection-defer 延后。

实例操作

• 支持重跑、暂停、继续、终止和标记成功。
• 实例操作属于高风险动作，需要二次确认。
• 确认码超时后需重新发送命令获取新确认码。

用户管理

• 创建用户需填写用户名、姓名、邮箱、初始密码和系统角色。
• 支持编辑用户信息、重置密码、禁用、解锁和删除。
• 不可禁用自己或最后一个超级管理员账号。
• 建议优先禁用用户以保留审计记录。

AI 能力配置

• 独立控制 AI 告警分析、SOP 语义匹配、SOP 候选生成和根因 AI 建议。
• 配置 LLM 模型提供商、模型名称、API 地址和密钥。
• 配置 Embedding 模型后可全量重建向量索引。

审计日志

• 记录用户认证、工单操作、项目管理、配置变更和 SOP 管理。
• 支持按时间、用户、操作类型、资源类型和结果筛选。
• 操作详情记录变更前后的差异。

AI 任务监控

• Agent 日志记录工单分析、SOP 匹配和通知发送等技能调用。
• 失败记录可一键重试。
• Agent 任务展示后台异步队列、每日趋势、失败 Top 10 和批量操作。

登录与账号

告警与工单

巡检与权限