为解决一线运维人员不熟悉产品底层代码,客户侧问题定位慢、处置周期长,客户满意度下降的业务痛点,立项开发日志智能分析工具。项目目标是降低问题排查技术门槛,让运维人员无需深入研读业务源码,即可快速定位客户现场故障。系统包含日志解析模块、代码仓库关联模块、AI 智能推理模块、结果输出展示模块四大核心模块。业务流程:运维人员上传现场报错日志,系统自动完成日志解析过滤,拉取 Git 仓库对应业务源码文件,结合大模型能力做故障推理,输出故障根因、定位代码位置以及可落地的处理方案,运维人员直接参考输出结果开展客户问题处置,实现故障的快速闭环。
整体采用前后端分离架构,后端基于 Django 开发,前端使用 Vue3,Nginx 做反向代理,MySQL 存储任务与配置数据,Redis 实现任务缓存与任务队列,Docker 完成服务容器化打包部署,搭配 Shell 脚本做运维辅助,接入 GPT 大模型完成日志智能推理。本人作为项目发起、全流程开发构建实施人员,独立完成需求梳理、前后端编码、容器化封装、内部落地推广全流程工作。工具落地后,单例客户问题平均处理时长由 1.5 小时压缩至 20 分钟,运维处置效率提升 70% 以上,覆盖公司 5 大核心业务产品。实施过程遇到日志格式杂乱、大模型输出结果不稳定、多产品代码仓库适配复杂等难点,通过编写多规则日志解析器、增加 prompt 约束校验、抽象仓库配置化管理方案逐一解决,项目落地后获得公司技术创新奖励