APO — LLM-Powered Observability Workflows

简介

APO（AutoPilot Observability）把 OpenTelemetry 与 eBPF 数据汇聚到同一平台，并用 agentic 工作流做告警分流与根因分析，强调“可视化证据”降低幻觉风险。

• 适合谁： SRE/平台团队：用真实遥测证据做 AI 辅助排障
• 可搭配： OpenTelemetry 数据源；eBPF 追踪（见 README）；可用 Docker 快速运行
• 准备时间： 20–60 分钟

实战建议

• GitHub：380 stars · 54 forks；最近更新 2026-03-25（GitHub API 验证）。
• 仓库提供多阶段 backend/Dockerfile：构建 apo-backend，并内置 SQLite 与静态资源。
• backend/deploy/apo-backend-deploy.yml 提供 K8s 部署清单，适合集群试跑。

主要内容

让“LLM 可观测”更可靠的做法：

1. 先从 一个工作流 落地（告警有效性→根因），强制要求每个结论都引用具体图表/指标证据。
2. 保持 可复现的查询层（OTel + 指标/日志/追踪），让 agent 生成查询，而不是直接输出结论。
3. 把每次 workflow run 保存为事故工单附件，便于复盘与对比不同环境的差异。
4. 加上护栏：任何会改动生产的动作都必须显式审批，并预先写好回滚方案。

目标不是替代仪表盘，而是把“下一步看什么”沉淀成可重复的 runbook。

FAQ

它会取代 OpenTelemetry 吗？ 答：不会。它基于 OpenTelemetry，并通过 eBPF 与工作流自动化补强排障流程。

可以先本地跑起来吗？ 答：可以。仓库提供 apo-backend 的 Dockerfile，适合快速试跑。

怎么降低幻觉？ 答：强制证据链：图表、查询结果、以及引用到的指标/trace 片段。