History RCA

基于历史故障案例的根因分析系统，使用多智能体架构和RAG技术进行微服务系统的故障诊断。

项目简介

History RCA 是一个自动化根因分析框架，通过分析日志、指标、链路追踪等可观测性数据，结合历史故障知识库，快速定位系统故障的根本原因。

核心特性

• 多智能体协作：使用 Google ADK 框架实现多个专业智能体协同工作

  • Log Agent：分析应用和系统日志
  • Metric Agent：检查时序指标数据
  • Trace Agent：追踪分布式调用链路
  • RAG Agent：检索历史故障案例
  • Report Agent：生成结构化分析报告

• 历史知识库：基于 ChromaDB 的向量数据库存储历史故障案例

• 批量处理：支持并行处理多个故障案例

项目结构

history_rca/
├── history_rca/           # 主包
│   ├── agent.py          # 编排器智能体
│   ├── prompt.py         # 提示词模板
│   ├── sub_agents/       # 子智能体
│   │   ├── log_agent/
│   │   ├── metric_agent/
│   │   ├── trace_agent/
│   │   ├── rag_agent/
│   │   └── report_agent/
│   └── .env             # 环境变量配置
├── database_building/    # 知识库构建工具
├── input/               # 输入数据
├── output/              # 输出结果
└── main.py             # 主程序入口

安装

# 克隆仓库
git clone https://github.com/kangkannnng/History_RCA.git
cd History_RCA

# 安装依赖（推荐使用 uv）
uv sync

# 或使用 pip
pip install -e .

配置

在 history_rca/.env 文件中配置 API 密钥：

# OpenAI API 配置
OPENAI_API_KEY=your_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1

# 项目路径
PROJECT_DIR=/path/to/history_rca

使用方法

单个案例分析

python main.py --single <uuid>

批量处理

python main.py --batch --workers 10

知识库构建

1. 生成提示词

cd database_building
python generate_prompt.py

2. 调用 LLM 生成知识条目

python call_llm.py \
  --split-file ../splits/seen_train.jsonl \
  --prompts-dir prompts \
  --output-dir knowledge_base_data

3. 构建向量数据库

python build_chromadb.py \
  --input knowledge_base_data/knowledge_base.jsonl \
  --output chroma_kb

输出格式

分析结果以 JSONL 格式输出，每行包含：

{
  "uuid": "case-uuid",
  "component": "identified-component",
  "reason": "root cause description"
}

依赖项

• Python >= 3.12
• google-adk >= 1.23.0
• chromadb >= 1.4.1
• openai >= 2.16.0
• pandas >= 3.0.0
• 其他依赖见 pyproject.toml

License

MIT