عامل‌های چندوجهی Oxlo.ai تحلیل ریشه‌ای حوادث SRE را خودکار کردند

تصور کنید ساعت ۳ صبح است و شما به عنوان مهندس On-call با یک هشدار بحرانی بیدار می‌شوید؛ در حالی که هر ثانیه تأخیر در بازیابی سیستم هزینه‌زا است، باید بین ده‌ها نمودار و هزاران خط لاگ جابه‌جا شوید تا بفهمید چه اتفاقی افتاده است. حالا یک تشخیص‌دهنده خودکار با استفاده از مدل‌های چندوجهی (Multimodal) — مدل‌هایی که مثل انسان هم‌زمان متن، عکس و صدا را می‌فهمند — اسکرین‌شات‌های گرافانا (Grafana) و لاگ‌های خام را به تحلیل‌های ساختاریافته JSON تبدیل می‌کند تا علت ریشه‌ای (Root Cause) را شناسایی کند. این سیستم دقیقاً همان «خستگی ساعت ۳ صبح» را هدف قرار داده است؛ جایی که مهندسان بخش مهندسی قابلیت اطمینان سایت (SRE) دقایق حیاتی را صرف جابه‌جایی بین داشبوردها و ترمینال‌ها می‌کنند.

همان‌طور که در تحلیل قبلی ما درباره‌ی شکست مدل‌های زبانی در افزایش بهره‌وری کلی برنامه‌نویسان اشاره کردیم، این پیاده‌سازی تمرکز را از کدنویسی عمومی به یک گردش‌کار عملیاتیِ بسیار حساس و خاص تغییر داده است. در دنیای SRE، شکاف بین دیدن یک جهش در نمودار و یافتن خطای متناظر در فایل لاگ، جایی است که بیشترین زمان بازیابی (Recovery Time) در آن تلف می‌شود.

زمینه و نیازمندی‌های سیستم

برای پیاده‌سازی این تشخیص‌دهنده، توسعه‌دهندگان به محیط پایتون ۳.۱۰ به بالا و SDK شرکت OpenAI نیاز دارند که از طریق دستور pip install openai قابل نصب است. هسته مرکزی این سیستم، کلید API است که از پورتال Oxlo.ai دریافت می‌شود.

به نقل از یک راهنمای فنی که در ۱۶ اوت ۲۰۲۶ منتشر شد، این خط لوله (Pipeline) بر پایه مدل Kimi K2.6 استوار است. این مدل دارای یک پنجره متنی (Context Window) — شبیه به میز کاری که جا برای چندین ورق دارد و اجازه می‌دهد مدل حجم زیادی از داده را هم‌زمان در ذهن نگه دارد — به اندازه ۱۳۱ هزار توکن است. این ظرفیت به عامل اجازه می‌دهد تصاویر با وضوح بالا و لاگ‌های طولانی و مفصل را در یک درخواست واحد دریافت کند، بدون اینکه داده‌های حیاتی برای کاهش حجم، حذف یا کوتاه (Truncate) شوند.

مدل زیرساختی و هزینه‌ها

یک جزئیات اقتصادی مهم، قیمت‌گذاری ثابت Oxlo.ai به ازای هر درخواست است. برخلاف سیستم‌های پرداخت بر اساس توکن (Token) — تکه‌های کوچکی از متن که مدل تکه‌تکه می‌خورد — در اینجا افزودن تصاویر با کیفیت بالاتر یا هزاران خط لاگ اضافی، هزینه هر درخواست را افزایش نمی‌دهد. این رویکرد در راستای استراتژی جدید این پلتفرم است که هزینه استنتاج مدل‌های چندوجهی را با قیمت‌گذاری تخت حذف کرده است. این پیش‌بینی‌پذیری به مهندسان اجازه می‌دهد بدون نگرانی از هزینه‌ها و بدون تماشای شمارنده توکن‌ها، روی پرامپت‌ها کار کنند و تراکم داده‌ها را بالا ببرند. جزئیات طرح‌های فعلی در آدرس https://oxlo.ai/pricing در دسترس است.

برای تیم‌هایی که تأخیر (Latency) برایشان حیاتی‌تر از استدلال عمیق است، این راهنما پیشنهاد می‌کند مدل Kimi K2.6 را با Gemma 3 27B جایگزین کنند. هر دو مدل از طریق یک API در دسترس هستند و این امکان را فراهم می‌کنند تا توازن بین سرعت و عمق تشخیص، بدون تغییر در ساختار پرداخت، از طریق تست‌های A/B آزمایش شود. این بهینه‌سازی در زمان پاسخ‌دهی، مشابه روش‌هایی است که Oxlo.ai برای کاهش تأخیر در تحلیل‌های تصویری از طریق قیمت‌گذاری درخواستی به کار گرفته است.

سازوکار فنی خط لوله

این سیستم از طریق یک فرآیند مهندسی چهار مرحله‌ای عمل می‌کند:

• کدگذاری تصویر: مدل‌های بینایی نیاز دارند تصاویر به صورت داده‌های base64 در قالب URLهای داده ارسال شوند. سیستم از یک تابع کمکی برای تشخیص پسوند فایل‌ها استفاده می‌کند (مثلاً تبدیل .jpg به jpeg) تا رشته‌های استاندارد RFC 2397 را تولید کند. این کار باعث می‌شود خط لوله کاملاً مستقل بماند و اسکرین‌شات‌های حساس زیرساختی در CDNهای عمومی میزبانی نشوند.

• پرامپت‌نویسی سخت‌گیرانه: برای جلوگیری از توهم (Hallucination) — حالتی که مدل با اطمینان چیزی می‌گوید که وجود ندارد — مدل از یک پروتکل سخت‌گیرانه پیروی می‌کند. پرامپت سیستمی (System Prompt) مدل را در یک قرارداد می‌بندد: مدل باید ابتدا تمام نام‌های متریک قابل مشاهده و مقادیر تقریبی آن‌ها را لیست کند و سپس جهش‌ها را با خطوط ERROR یا FATAL زمان‌بندی‌شده تطبیق دهد. اگر متریکی خوانا نباشد، مدل صراحتاً دستور دارد عبارت «unreadable» را بنویسد و به هیچ وجه حدس نزند.

• خروجی ساختاریافته: مدل مجبور است پاسخ را در قالب JSON با کلیدهای مشخص ارائه دهد: anomaly_seen (بولین)، metric (رشته)، log_signature (رشته)، root_cause (رشته) و remediation (رشته). از آنجا که خروجی‌های خام معمولاً در بلوک‌های Markdown قرار دارند، یک مرحله تجزیه (Parsing) برای حذف این علامت‌ها پیش از ارسال داده‌ها به اتوماسیون‌های بعدی تعبیه شده است.

• یکپارچگی با ابزارها: این عامل از تابع fetch_logs برای درخواست لاگ‌های بازه زمانی بیشتر در قالب ISO استفاده می‌کند، در صورتی که لاگ‌های اولیه برای تشخیص کافی نباشند. این قابلیت، شکاف بین بینایی و عمل را پر می‌کند و به مدل اجازه می‌دهد پیش از نهایی کردن تشخیص، بازه‌های زمانی خاصی از لاگ‌ها را درخواست کند.

جزئیات پیاده‌سازی و منطق عملیاتی

برای اینکه مدل بر اساس واقعیت‌ها عمل کند (Grounding)، در پرامپت سیستمی صراحتاً تعریف شده که عامل یک مهندس SRE در حالت On-call است. این پروتکل اجرای سه مرحله‌ای را می‌طلبد: لیست کردن متریک‌ها، تطبیق ناهنجاری‌ها با لاگ‌ها و در نهایت تولید شیء JSON. این ساختار سخت‌گیرانه مانع از آن می‌شود که مدل مرحله جمع‌آوری شواهد را نادیده بگیرد.

در یک سناریوی واقعی، مدل ممکن است لاگ‌هایی مانند موارد زیر را پردازش کند:

• 2024-05-21T03:14:22Z ERROR connection pool exhausted
• 2024-05-21T03:14:23Z FATAL request timeout after 30s
• 2024-05-21T03:14:25Z ERROR retry failed

خروجی JSON نهایی در این حالت، «استفاده از Connection Pool دیتابیس» را به عنوان متریک شناسایی کرده و راهکاری مانند «افزایش اندازه Pool یا افزودن Retry با عقب‌نشینی نمایی (Exponential Backoff)» را پیشنهاد می‌دهد. علت ریشه‌ای نیز به عنوان پر شدن ظرفیت Connection Pool در ساعت ۰۳:۱۴ UTC شناسایی می‌شود که منجر به تایم‌اوت‌های زنجیره‌ای شده است.

ابزارهای پیشرفته و چرخه استدلال

ابزار fetch_logs یک افزونه حیاتی است که مدل را از یک تحلیل‌گر ایستا به یک عامل (Agent) تبدیل می‌کند. با تعریف این ابزار با یک اسکیمای JSON مشخص — که نیازمند پارامترهای start و end در قالب ISO است — مدل می‌تواند به‌طور خودکار تصمیم بگیرد که آیا برای رسیدن به علت ریشه‌ای، به داده‌های بیشتری از ذخیره‌ساز داخلی لاگ‌ها نیاز دارد یا خیر.

این چرخه شامل یک گفتگوی چندمرحله‌ای (Multi-turn) است: مدل ابتدا یک مشکل احتمالی را شناسایی می‌کند، ابزار را فراخوانی می‌کند، محتوای لاگ‌های جدید را دریافت می‌کند و سپس پاسخ نهایی و تایید شده را در قالب JSON تولید می‌کند. این روش از شکست‌های «تک‌مرحله‌ای» (One-shot) که در آن مدل بر اساس لاگ‌های ناقص حدس می‌زند، جلوگیری می‌کند.

یکپارچگی عملیاتی

این تغییر در رویکرد نشان می‌دهد که ارزش واقعی مدل‌های زبانی چندوجهی در DevOps، جایگزینی مهندس نیست، بلکه کوتاه کردن چرخه «مشاهده تا فرضیه» است. با خودکارسازی تطبیق ناهنجاری‌های بصری و لاگ‌های متنی، هوش مصنوعی کارهای خسته‌کننده جمع‌آوری داده را انجام می‌دهد و تصمیم نهایی را برای مهندس SRE باقی می‌گذارد.

برای انتقال این سیستم به محیط عملیاتی، می‌توان این تابع را به یک Webhook در PagerDuty متصل کرد. به این ترتیب، هر هشدار ورودی به‌طور خودکار یک خلاصه تشخیصی را تولید کرده و پیش از آنکه مهندس لپ‌تاپ خود را باز کند، آن را در Slack ارسال می‌کند.

توسعه‌دهندگان علاقه‌مند می‌توانند برای تعیین بهترین مدل بر اساس حجم داده‌ها و نیازهای تأخیر خود، سطوح قیمت‌گذاری را در oxlo.ai/pricing بررسی کنند.

گام بعدی شما

• بررسی مدل‌های بینایی برای شناسایی الگوهای تکراری در نمودارهای مانیتورینگ سازمانتان.
• پیاده‌سازی یک لایه JSON Parser برای تبدیل خروجی‌های مدل‌های زبانی به دستورات اجرایی در زیرساخت.
• تست توازن بین سرعت مدل‌های کوچک‌تر (مانند Gemma) و دقت مدل‌های بزرگ‌تر در تشخیص‌های بحرانی.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.