观澜 AIOps 智能告警分析平台

项目定位

这是一个面向运维与平台团队的 AIOps 平台，解决告警太多、重复告警多、定位慢、知识散、应急流程不统一的问题。AI 负责归纳和检索，Java 负责告警流转、规则执行和统计归档。

项目思维导图

核心流程

技术架构

技术	作用
Spring Boot	告警、复盘、通知接口
MySQL	告警记录、规则、复盘单
Redis	告警去重、上下文、热点缓存
MQ	事件分发、通知、异步处理
Elasticsearch / 向量库	Runbook、故障手册、复盘文档
Spring AI	告警摘要、分析建议、问答

AI 接入点

• RAG：Runbook、故障手册、历史复盘、应急预案。
• Tool Calling：服务依赖、部署信息、告警详情、值班信息。
• Agent：摘要、归因建议、应急步骤、升级人工。

项目亮点

• 很适合讲“告警降噪”和“根因分析”。
• 能自然体现可观测性和平台工程能力。
• 适合有工作经验的表达方式。

面试追问

1. 告警降噪规则怎么设计？
2. 根因分析为什么不能只靠模型？
3. Runbook 检索失败怎么降级？

1 分钟介绍

这个项目是一个 Java+AI 企业级项目，核心不是单独做聊天机器人，而是把大模型能力接入真实业务流程。我的讲法会先说明业务痛点，再讲 Java 后端负责流程、权限、事务和审计，最后说明 RAG、Tool Calling 和 Agent 分别解决知识检索、业务查询和多步骤编排问题。

3 分钟介绍

我会先从业务背景讲起：这个项目要解决的是传统系统中信息分散、流程依赖人工经验、处理效率不稳定的问题。整体链路上，用户先发起业务请求，Java 后端完成鉴权、参数校验、状态流转和数据落库；AI 层负责理解意图、检索知识、调用受控工具并生成草稿或建议。

技术上，项目通常会用 Spring Boot 承接核心业务接口，用 MySQL 保存业务主数据、状态记录和审计日志，用 Redis 做热点缓存、会话上下文和幂等控制，用 MQ 解耦通知、索引同步和统计任务。AI 能力上，RAG 负责检索企业知识和历史案例，Tool Calling 负责受控查询业务数据，Agent 负责编排多步骤任务。正式写操作和高风险动作不会让模型直接执行，而是进入人工确认或 Java 业务服务事务边界。

面试时我会重点强调三点：第一，AI 只是辅助理解和生成建议，不能绕过权限和审计；第二，所有工具调用都要做白名单、参数校验、限流和日志；第三，模型超时、无召回、低置信度或输出不合法时，要能降级到规则模板、人工处理或只展示已有业务数据。

简历一句话写法

我负责 AIOps 智能告警分析平台的 Java+AI 设计，覆盖告警归并、Runbook 检索、故障归因和应急辅助。