AI 驱动的自动化运维工具 — 终端命令执行、日志智能分析、故障自动恢复
⚠️ Demo 级项目：本项目目前处于概念验证阶段，仅供学习参考，不建议直接用于生产环境。
AutoOps 是一款 AI 增强的自动化运维工具，它将 终端命令执行、实时日志采集、AI 智能分析 和 故障自动恢复 融为一体。当系统出现异常时，AutoOps 能自动识别问题、调用 AI 模型分析根因，并通过预置的修复技能或直接执行 Shell 命令完成自愈。
核心工作流：
flowchart LR
A[终端输出] --> B[日志采集]
B --> C[AI 分析模型]
C --> D{判断是否需要修复}
D -->|需要| E[Agent 恢复模型]
E --> F[执行修复命令 / 调用技能]
F --> G[修复完成]
G --> H[复盘沉淀]
D -->|无需| I[输出分析报告]
-
多模式运行
- 命令行参数模式：一次性执行命令并分析日志
- 终端模式 (
-tmod)：交互式终端，支持 Ctrl+S 中断 - AI 助手模式 (
-cmod)：终端内嵌 AI 助手，?前缀直接对话
-
AI 双模型架构
- 分析模型：每 5 秒批量消费日志，识别异常并决定是否触发恢复
- 恢复模型 (Agent)：多轮工具调用，自动执行 Shell 命令、查询日志、读取技能手册完成自愈
-
技能系统
- 支持
-t skill交互式创建新技能 - 修复成功后自动复盘，判断是否值得沉淀为新技能
- 支持
-
多数据库支持
- SQLite（默认，零配置）
- MySQL / PostgreSQL（生产环境）
- 主库与 AI 库独立，防止 AI 操作影响业务数据
-
HTTP API 服务
POST /command— 远程执行命令GET /logList— 分页查询日志GET /log/:id— 详情查询
-
定时任务：每 10 分钟自动清理 30 天前的历史日志
-
跨平台：Windows / Linux，自动处理 GBK -> UTF-8 编码转换
flowchart TB
main["main.go<br/>解析参数 → 加载配置 → 初始化各模块"]
main --> flags["flags<br/>命令行解析"]
main --> core["core<br/>初始化器（DB / AI / Logger / Router）"]
flags --> service
core --> service
subgraph service["service 层"]
AI["AI 分析模块<br/>（日志批量消费 / 异常识别）"]
Agent["Agent 恢复模块<br/>（多轮工具调用 / 自愈）"]
cmd["command<br/>命令执行引擎"]
cron["cron<br/>定时清理日志"]
end
service --> models["models<br/>数据模型"]
service --> commen["commen<br/>公共模块（工具分发 / 列表查询）"]
service --> utils["utils<br/>工具函数（Shell / 日志缓冲 / 编码转换）"]
- Go 1.25+
- 任意 OpenAI 兼容的 API（或本地模型如 Ollama）
git clone https://github.com/Bury-Lee/AutoOps
cd AutoOps
go build -o AutoOps ../AutoOps -t init这会生成 settings.yaml 默认配置文件。随后编辑该文件，填入你的 AI API 信息。
run_mode: "develop"
log:
app: "AutoOps"
dir: "logs"
log_level: "debug"
db:
sql_name: "sqlite"
db_name: "autoops.db"
analys_ai:
model: "qwen2.5:7b"
temperature: 0.7
host: "http://localhost:11434/v1"
ApiKey: "ollama"
apiType: "openai"
system:
ip: "127.0.0.1"
port: "8080"./AutoOps -t test完整配置参见 flags/example.yaml。主要配置项：
| 配置块 | 字段 | 说明 |
|---|---|---|
run_mode |
— | 运行模式，develop（调试）/ release（生产） |
log |
app / dir / log_level |
日志服务名、目录、级别 |
db |
sql_name / db_name / ... |
主数据库（支持 sqlite / mysql / postgresql） |
ai_db |
（同上） | AI 专用数据库，与主库隔离 |
analys_ai |
model / host / ApiKey |
AI 分析模型 |
agent_ai |
model / host / ApiKey |
AI 恢复模型 |
terminal_log |
app / alert_level / level |
终端日志采集与告警配置 |
system |
ip / port / allow_rpg / allow_remote |
HTTP 服务开关与地址 |
# 执行单条命令
./AutoOps -c "ls -la"
# 通过 JSON 批量执行多个命令
./AutoOps -t r -s /path/to/commands.json
# JSON 格式示例
# [{ "command": "systemctl status nginx", "option": {...} }, ...]./AutoOps -tmod进入后像普通终端一样输入命令，按回车执行。按 Ctrl+S 然后回车可中断当前任务。输入 exit 退出。
./AutoOps -cmod- 直接输入命令：执行并显示结果，自动发送给 AI 分析
?前缀：不执行命令，直接将后续内容发给 AI 对话exitcmod：退出
启用 system.allow_rpg: true 后：
# 远程执行命令
curl -X POST http://127.0.0.1:8080/command \
-H "Content-Type: application/json" \
-d '{"command": "df -h"}'安全警告：
allow_rpg允许远程调用任意命令，建议仅在可信网络内开启，并自行添加鉴权中间件。
技能是存放在 skills/ 目录下的预定义修复手册，AI 恢复模型会在遇到匹配场景时自动查阅和执行。
./AutoOps -t skill按提示输入技能名称、描述和详情，系统会在 skills/<name>/skill.json 生成模板。
技能 JSON 结构：
{
"skill": "my_skill_name",
"description": "一句话描述何时使用及核心动作",
"detail": "详细的触发条件、修复步骤、验证方法和适用范围"
}AutoOps/
├── main.go # 入口
├── flags/ # 命令行参数解析与交互模式
│ ├── enter.go # 参数定义与路由
│ ├── Run.go # 命令执行入口
│ ├── Skill.go # 技能创建
│ ├── mods.go # Tmod / Cmod 交互循环
│ ├── ConnectTest.go # 连通性测试
│ ├── init.go # 配置文件初始化
│ └── example.yaml # 配置模板
├── core/ # 初始化器
│ ├── init_conf.go # YAML 配置加载
│ ├── init_DB.go # 数据库连接
│ ├── init_ai.go # AI 客户端初始化
│ ├── init_logrus.go # 日志系统
│ └── init_router.go # HTTP 路由与 API
├── conf/ # 配置结构体定义
├── global/ # 全局变量（Config、DB、AI Client）
├── models/ # 数据模型
├── service/
│ ├── AI/ # AI 分析模块（日志分析、Cmod 对话）
│ ├── Agent/ # AI 恢复模块（多轮工具调用、技能、复盘）
│ ├── command/ # 命令执行引擎
│ └── cron/ # 定时任务
├── commen/ # 公共模块（工具调用分发器、列表查询）
├── utils/ # 工具函数（Shell 执行、日志缓冲、编码转换）
└── skills/ # 技能库
├── apt_dpkg_configure/
├── docker_daemon_reload/
├── kubelet_cni_bootstrap/
├── kubelet_swap_off/
├── nginx_stale_pid/
├── redis_overcommit_memory/
└── selinux_nginx_8443/
AutoOps 的 Agent 恢复模型拥有 Shell 执行权限，虽然系统内置了危险命令拦截规则（禁止 rm -rf、shutdown、reboot 等），但仍建议：
- 在生产环境使用前充分测试
- 以最小权限运行 AutoOps 进程
- 启用
allow_rpg时务必添加鉴权和网络隔离