0 Fork 0

Files

T

Logan.Li 95066083bd feat(agentcli): Web 端运行中消息排队

忙时输入入队，支持立即（abort 后发）、编辑、撤销；
任务结束后自动 continue 排队内容。配套 docs/14。

2026-10-19 03:53:09 +08:00

8.0 KiB

Raw Blame History

AI Agent / Agent CLI 设计文档

更新：2026-09-03 范围：AIOps 平台内置的 AI 运维 Agent、Agent CLI WebSocket 执行页、主机 AI 任务、Kubernetes AI 排障。// Logan.Li

定位

AI Agent / Agent CLI 是 AIOps 的智能执行入口。用户在浏览器中选择目标主机或 Kubernetes 目标，用自然语言描述任务，后端 Agent 引擎通过 LLM 推理、工具调用、安全检查和会话持久化完成排障或操作建议。

一句话：AIOps Agent CLI 是运行在 AIOps 后端的 Web 版智能运维 Agent，不是本地命令行工具，也不是客户端采集 Agent。

名称	含义
AI Agent / Agent CLI	AIOps 后端内置的 ReAct 智能执行引擎
客户端 Agent	部署在被管主机上的指标采集 Agent，见 `docs/client-agent/`
AIOps Assistant	普通对话式智能助手，偏分析和问答

文档目录

当前目录以设计正文为主，并增补运行结果契约与挂点索引，避免把同一条链路拆得过碎：

编号	文档	说明
01	项目概述与设计哲学	产品定位、边界、成功标准
02	整体架构设计	前端、WebSocket、Controller、Engine、DB 的分层
03	执行循环与 Harness	ReAct 主循环、Prompt、事件、上下文裁剪、反馈回路
04	工具与 ACI 设计	Tool 接口、工具清单、Agent-Computer Interface 设计原则
05	安全治理与审计	风险评估、确认、脱敏、策略中心、审计落点
06	会话记忆与 Evolver	会话表、消息表、历史恢复、记忆注入、自进化
07	路线图与评测	可用堡垒机、企业堡垒机、智能闭环、评测指标
08	代码审计与平台智能化优化	Agent CLI 代码差距、AIOps 上下文工具、告警分析和预测分析升级路线
09	三产品定位与执行边界	OpsXCLI、OpsXShell、AIOps 的独立目标、凭证、执行和审计边界
08b	代码审计与挂点索引	incomplete/续跑挂点速查（配套平台智能化优化长文）
14	运行中消息排队	忙时排队 / 立即 / 编辑 / 撤销
13	运行结果状态与可续跑契约	先 docs 后代码：completed/incomplete/可续跑统一语义

当前能力矩阵

能力	状态	代码落点
WebSocket 对话流	已完成	`backend/controller/agent_cli.go`、`AgentCLI.tsx`
主机模式	已完成	`ssh_execute`、`analyze_output`
Kubernetes 模式	已完成	`kubernetes_get`、`pod_logs`、`pod_execute`、`kubernetes_action`
ReAct 主循环	已完成	`backend/pkg/agentcli/core/agent.go`
LLM 双协议	已完成	OpenAI 兼容 + Anthropic Messages
Prompt 构建	已完成	`backend/pkg/agentcli/prompt/prompt.go`
安全确认	已完成	`safety.Controller` + WebSocket `confirm`
会话持久化	已完成	`agent_cli_sessions` / `agent_cli_messages`
历史回放	已完成	`AgentCLIHistory.tsx`、`AgentCLIMessages.tsx`
Evolver 记忆	已完成	`backend/pkg/agentcli/evolver/`
工具审计统一	待增强	后续接入 `session_commands` 或专属审计表
策略中心接入	待增强	后续接入 `sys_audit_settings` 扩展策略

专业参考基线

这些文档不是孤立设计，主要对齐以下业界和论文里的共识：

参考	AIOps 落点
ReAct	推理和行动交替，工具输出反哺下一轮判断
Toolformer	工具调用要关注何时调用、传什么参数、如何吸收结果
Anthropic - Building Effective Agents	Agent 适合有明确成功标准、反馈回路和人工监督的任务
12-Factor Agents	自主管理 Prompt、上下文、工具、暂停/恢复和人工确认
SWE-agent ACI	面向模型设计专门的工具接口和反馈格式，而不是直接暴露人类 UI
OpenAI Agents - Guardrails	输入、输出、工具调用都需要 guardrail
OpenAI Agents - Tracing	Agent 运行要记录 LLM、工具、guardrail、自定义事件
OWASP LLM Top 10	Prompt Injection、敏感信息泄露、插件设计、过度自主权是核心风险
NIST AI RMF GenAI Profile	企业级 AI 需要治理、测量、管理和生命周期风险控制

端到端链路

frontend/src/components/aiops/AgentCLI.tsx
  ├── 选择模式：host / kubernetes
  ├── 选择目标：服务器 / 集群 / Namespace / Pod / Container
  ├── 选择安全模式：strict / balanced / permissive
  └── WebSocket /ws/agent-cli
        │
        ▼
backend/controller/agent_cli.go
  ├── JWT 用户身份
  ├── 加载目标资产 / K8s 上下文
  ├── 加载 LLM 配置
  ├── 创建会话和消息
  ├── 注入 confirmFn 和 event callback
  └── 调用 agentcli.Engine.Run()
        │
        ▼
backend/pkg/agentcli/
  ├── llm.Client
  ├── tools.Registry
  ├── safety.Controller
  ├── evolver.EvolverEngine
  └── core.Agent ReAct loop

设计原则

平台内置：Agent CLI 是 AIOps 后端能力，不要求用户安装本地 AI 工具。
目标受控：只对用户有权限的资产、集群、Pod 执行工具。
工具最小化：工具暴露越少，模型误调用和越权风险越低。
安全前置：危险命令硬拒，高危操作必须确认，后续接审批。
过程可见：思考、工具调用、工具输出、确认和最终结果均走 WebSocket 事件流。
审计独立：会话和消息可按用户需求删除，但远程执行跨度和命令审计不得随聊天历史删除。
历史可追溯：会话和消息入库，支持回放、删除、继续追问。
记忆可控：Evolver 记忆按用户隔离，后续增加审核、发布、撤销和保留期治理。
产品不越界：AIOps 只执行平台授权资产，不复用 OpsXCLI 本机执行器或 OpsXShell 当前连接执行器。

文档	说明
客户端 Agent	主机指标采集 Agent
安全审计与堡垒机	会话、审计、审批统一设计
终端体系	WebSSH、Pod exec、kubectl 终端
Kubernetes 管理	K8s 资源、Pod、YAML、AI 排障

运行结果语义（2026-09-18 增补）

先 docs 后代码。实现逐步对齐契约，勿把步数触顶当成「完成」。

项	诚实现状	目标
MaxIterations	默认 16，硬停	`incomplete`/`max_steps` + 可续
integrity	已按 `tool_call_id` 整组保留（优于 opsxcli）	保持为参考实现
续聊	`resumeSession`→`convHistory`→`continueTask(prior)` 已有	暴露结构化 incomplete reason
超时/上下文	ToolTimeout 120s；MaxContext 8000	字段与契约对齐、可配置

权威契约：13-运行结果状态与可续跑契约（与 opsxcli docs/13-*.md 同步）。

8.0 KiB Raw Blame History Unescape Escape