作者 观测云 数据智能部 产品方案架构师 范莹莹

背景

观测云有两个错误巡检脚本，RUM 错误巡检和 APM 错误巡检，代码均开源。
错误巡检的主要目的是发现新出现的错误消息(error stack)，原有的巡检在上报了相应的事件报告后，只是定位了问题，并没有给出合适的解决方案。OpenAI 的出现，给了解决个性化 error stack 的一些洞察和解决方案。
本次最佳实践通过二次开发原有巡检，针对智能巡检的告警报告，实现自动化故障反馈，为用户提出合适的改进意见，一并在事件报告中体现，作为更加完备的巡检解决方案。

实现流程

1.安装观测云集成（ChatGpt 监控）[ID: guance_chatgpt_monitor] 脚本。完整流程可参考最佳实践文档《一行代码实现 OpenAI 可观测》

2.安装观测云 APM 新增错误或 RUM 新增错误巡检脚本。

本最佳实践以RUM 新增错误巡检为例。

3.对新增错误获取到的 error-stack 进行提取，与大模型进行问答。

在构建事件报告的 RUMEventStruct 类下新增一个大模型故障反馈模块，示例代码如下：

# 大模型故障反馈
def build_chatgpt_solution(self, js_new_error_messages, start_time, end_time):
    chatgpt_solution_section = event_detail.Section(name='大模型故障反馈', name_en='Solution Details', index=3)

    OPENAI_API_KEY = DFF.ENV('OPENAI_API_KEY')

    # 发送请求并获取回复
    url = 'https://us1-private-func.guance.com/api/v1/al/auln-...../simplified'
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {OPENAI_API_KEY}'
    }

    for js_new_error in js_new_error_messages:
        js_new_error_message = js_new_error[0]
        error_stack = js_new_error_message['error_stack']
        print(f'error_stack:n{error_stack}')

        datas = {
            "model": "gpt-3.5-turbo",
            "messages": [{'role':'user', 'content':f'如果错误：{error_stack}，请问原因是什么？怎么解决?'}],
            "temperature": 0.5,
            "presence_penalty": 0,
            "stream": False,
        }

        response = requests.post(url=url, headers=headers, json=datas)

        md = event_detail.Markdown("")
        text_list = [
            f'**解决方案**:`{response.text}`']
        text_list_en = [
             f'**Solution**:`{response.text}`',
        ]
        md.set_text(*text_list)
        md.set_text(*text_list_en, lang='en')
        chatgpt_solution_section.add(md)

    return chatgpt_solution_section

4.url 处填写第一步中授权链接的 POST 简化形式（JSON） 。

5.巡检一小时跑一次，如果所连接应用触发了巡检逻辑，即可在观测云控制台的 **监控 -> 智能巡检 模块看到生成的事件报告。**如下图所示：

总结

在原有的智能巡检事件报告中，给出的建议相对固定，不能全面地将所有可能涉及到的错误建议给出。结合利用大模型，可以针对性地对触发的告警错误给出建议，提高事件报告的可读性。