# OpenDerisk **Repository Path**: danmao/OpenDerisk ## Basic Information - **Project Name**: OpenDerisk - **Description**: No description available - **Primary Language**: Python - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-08-27 - **Last Updated**: 2025-08-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ### OpenDeRisk OpenDeRisk AI 原生风险智能系统 —— 7\*24H 应用系统AI数字运维助手(AI-SRE), 我们的愿景是, 为每个应用系统提供一个7\*24H的AI系统数字管家,并能与真人进行协同,7\*24H处理业务问题,形成7\*24H得深度护航与防护网。

stars forks License: MIT Release Notes Open Issues Open in GitHub Codespaces

[**English**](README.md) | [**简体中文**](README.zh.md) | [**视频教程**](https://www.youtube.com/watch?v=1qDIu-Jwdf0)
### 特性

1. DeepResearch RCA: 通过深度分析日志、Trace、代码进行问题根因的快速定位。 2. 可视化证据链:定位诊断过程与证据链全部可视化展示,诊断过程一目了然,可以快速判断定位的准确性。 3. 多智能体协同: SRE-Agent、Code-Agent、ReportAgent、Vis-Agent、Data-Agent协同工作。 4. 架构开源开放: OpenDerisk采用完全开源、开放的方式构建,相关框架、代码在开源项目也能实现开箱即用。 ### 架构方案

采用多Agent架构,目前代码中主要实现了绿色部分部分,告警感知采用的是微软开源的[OpenRCA数据集](https://github.com/microsoft/OpenRCA), 数据集的大小解压后在26G左右,我们实现在26G的数据集合上,通过多Agent协同,Code-Agent动态写代码来进行最终根因的分析诊断。 #### 技术实现 1. 数据层: 拉取Github OpenRCA的大规模数据集(20G), 解压本地处理分析。 2. 逻辑层:Multi-Agent架构, 通过SRE-Agent、Code-Agent、ReportAgent、VisAgent、Data-Agent协同合作,进行深度的DeepResearch RCA(Root Cause Analyze) 3. 可视化层: 采用Vis协议、动态渲染整个处理流程与证据链, 以及多角色协同切换的过程。 4. OpenDeRisk中的数字员工(Agent)

#### 快速启动 ##### 1.open-derisk服务启动 - Install uv ```sh curl -LsSf https://astral.sh/uv/install.sh | sh ``` - 依赖安装 ``` uv sync --all-packages --frozen \ --extra "base" \ --extra "proxy_openai" \ --extra "rag" \ --extra "storage_chromadb" \ --extra "derisks" \ --extra "storage_oss2" \ --extra "client" \ --extra "ext_base" --index-url=https://pypi.tuna.tsinghua.edu.cn/simple ``` - 配置启动参数 ``` > 配置`derisk-proxy-deepseek.toml`文件中相关的API_KEY, 然后运行下面的命令启动。 > 也可参考 `derisk-proxy-aliyun.toml` 文件中的配置使用全阿里云模型和oss方案 > ** 注意 ** 最好在全新的环境下启动0.2版本,不然可能被0.1旧数据影响导致启动失败. ``` - 启动服务 ``` uv run python packages/derisk-app/src/derisk_app/derisk_server.py --config configs/derisk-proxy-deepseek.toml ``` - 服务访问 > 打开浏览器访问 [`http://localhost:7777`](http://localhost:7777) ##### 2.内置场景快速使用 * AI-SRE(OpenRca根因定位) - !注意, 我们默认使用OpenRCA数据集中的[Telecom数据集](https://drive.usercontent.google.com/download?id=1cyOKpqyAP4fy-QiJ6a_cKuwR7D46zyVe&export=download&confirm=t&uuid=42621058-41af-45bf-88a6-64c00bfd2f2e), - 你可以通过链接, 或者下述命令进行下载: ``` gdown https://drive.google.com/uc?id=1cyOKpqyAP4fy-QiJ6a_cKuwR7D46zyVe ``` - 下载完成后, 将数据解压到 ${derisk项目}/pilot/datasets。 * 火焰图助手 - 使用你本地应用服务进程的火焰图(java/python)上传给助手提问分析 * DataExpert - 上传你的指标、日志、trace等各种Excel表格数据进行对话分析 ##### 3.快速开发 * Agent开发 参考derisk-ext.agent.agent下的实现逻辑 * 工具开发 * local tool * mcp * 其他开发 文档准备中.... #### 运行效果 如下图所示, 为多智能体协同运行处理一个复杂的运维诊断任务的场景。

### RoadMap - [x] 0530 V0.1版本,基于领域知识与MCP服务,实现从异动感知 -> 自主决策 -> 自适应执行与问题处理。 - [ ] 技术风险领域知识引擎 - [x] 基于大模型推理驱动的异动感知 -> 决策 -> 执行推理引擎 - [x] 自动TroubleShooting与Fix - [ ] 0730 V0.2版本 - [ ] 技术风险领域MCP服务与管理 - [ ] 支持自定义绑定知识与MCP工具 - [ ] 支持3+ DevOps领域MCP服务 - [ ] 0930 V0.3 - [ ] 支持对接生产环境 - [ ] 提供完整的生产环境部署解决方案,支持生产问题诊断。 - [ ] 1230 V0.4 - [ ] 端到端AIOps在线Agentic RL - [ ] 端到端评测能力 ### 致谢 - [DB-GPT](https://github.com/eosphoros-ai/DB-GPT) - [GPT-Vis](https://github.com/antvis/GPT-Vis) - [MetaGPT](https://github.com/FoundationAgents/MetaGPT) - [OpenRCA](https://github.com/microsoft/OpenRCA) OpenDeRisk-AI 社区致力于构建 AI 原生的风险智能系统。🛡️ 我们希望我们的社区能够为您提供更好的服务,同时也希望您能加入我们,共同创造更美好的未来。🤝 [![Star History Chart](https://api.star-history.com/svg?repos=derisk-ai/OpenDerisk&type=Date)](https://star-history.com/#derisk-ai/OpenDerisk) ### 社区 加入钉钉群, 与我们一起交流讨论。
OpenDeRisk-AI 交流群