第1章 初识 ITOps Agent Platform
本章导读
本章学习目标
完成本章学习后，你将能够：
- ✅ 说出 ITOps Agent Platform 是什么、能做什么
- ✅ 列举项目的 10+ 核心特性
- ✅ 理解项目的技术栈组成
- ✅ 识别项目的典型应用场景
- ✅ 画出项目的整体架构图
前置知识要求
零基础友好！ 本章不需要任何编程基础，只需：
- 了解什么是网页
- 知道什么是服务器（大概概念即可）
- 会使用电脑和浏览器
预计学习时间
30-45 分钟
1.1 什么是 ITOps Agent Platform？
核心概念
想象一下这样的场景：你是一家公司的运维工程师，管理着 100 台服务器。每天，这些服务器会产生大量的告警、日志和性能数据。传统的工作方式是这样的：
告警来了 → 你手动登录服务器 → 查看日志 → 分析问题 → 执行修复命令 → 写报告这种方式的问题很明显：
- ❌ 效率低：每个告警都要手动处理，耗时耗力
- ❌ 易出错：人工操作容易遗漏或误操作
- ❌ 难以扩展：服务器越多，工作量成倍增长
- ❌ 知识无法沉淀：老员工的经验无法传承
ITOps Agent Platform 就是为了解决这些问题而生的！
💡 通俗理解：ITOps Agent Platform 就像是一个"智能运维团队"。你不需要自己动手处理每个问题，而是雇佣了一批"AI 运维专家"（Agent），让它们自动帮你完成巡检、诊断、修复等工作。你只需要通过网页界面"指挥"它们就行了！
官方定义
ITOps Agent Platform（IT 运维多 Agent 自动化平台）是一个企业级全栈运维自动化平台，通过可视化工作流编排多个 AI Agent 协同工作，实现服务器巡检、告警处理、故障诊断、合规检查等运维任务的自动化。
关键名词解释
| 名词 | 解释 | 类比 |
|---|---|---|
| ITOps | IT Operations，IT 运维 | 公司的"IT 后勤保障部门" |
| Agent | 智能体，具有特定能力的 AI 助手 | 运维团队中的"专业工程师" |
| 工作流 | 多个 Agent 按顺序编排的自动化流程 | "工作流程图"，先做什么后做什么 |
| 大语言模型 | 如 GPT、豆包等 AI 模型 | Agent 的"大脑"，让它能理解和推理 |
| 可视化编排 | 通过拖拽方式创建流程 | 像搭积木一样创建运维流程 |
1.2 核心特性一览
ITOps Agent Platform 拥有以下核心特性，每一项都解决了运维工作中的实际问题：
1.2.1 多 Agent 协作
项目内置了 9 个预设运维 Agent，每个 Agent 都是一个专业的"运维专家"：
| Agent 名称 | 擅长领域 | 类比 |
|---|---|---|
| 🚨 告警处理 Agent | 分析告警严重程度，提供处理建议 | "告警分析专家" |
| 🔍 故障诊断 Agent | 分析系统故障，定位根因 | "故障侦探" |
| 📋 日志分析 Agent | 分析服务器日志，识别异常 | "日志审查员" |
| 🔎 系统巡检 Agent | 检查服务器健康状态 | "巡检工程师" |
| 🔄 变更执行 Agent | 安全执行系统变更 | "变更操作员" |
| 📝 文档生成 Agent | 生成运维文档和报告 | "文档专员" |
| ✅ 合规检查 Agent | 检查系统合规性 | "合规审计员" |
| 💻 服务器命令执行 Agent | 远程执行服务器命令 | "远程操作员" |
| 🤖 自动巡检 Agent | 定时自动执行巡检 | "自动巡检机器人" |
💡 为什么需要多个 Agent？ 就像现实中的运维团队一样，不同问题需要不同专业的人来处理。告警处理专家擅长分析告警，故障诊断专家擅长找根因。多个 Agent 协作，比一个"万能 Agent"更高效、更准确。
1.2.2 可视化工作流编排
这是项目最酷的功能之一！你不需要写代码，只需要在网页上拖拽节点就能创建复杂的运维流程。
实际操作效果（想象一下）：
┌─────────────────────────────────────────────────────┐
│ 工作流编辑器 │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 告警 │────▶│ 故障 │────▶│ 修复 │ │
│ │ 分析 │ │ 诊断 │ │ 执行 │ │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │
│ ← 拖拽创建 ← 连线定义顺序 ← 配置每个节点 │
└─────────────────────────────────────────────────────┘支持的编排方式：
- 📌 串行执行：一个节点完成后再执行下一个
- 🔀 并行执行：多个节点同时执行（计划中）
- ⚡ 条件分支：根据结果选择不同路径（计划中）
- 📡 实时进度推送：通过 WebSocket 实时显示执行进度
1.2.3 Web SSH 终端
在浏览器里直接操作远程服务器，就像使用本地终端一样！
浏览器中的终端效果：
┌─────────────────────────────────────────────────────┐
│ root@server-01:~$ │
│ │
│ Last login: Mon May 26 10:00:00 2026 │
│ │
│ root@server-01:~$ top │
│ Tasks: 150 total, 2 running, 148 sleeping │
│ %Cpu(s): 5.2 us, 1.3 sy, 0.0 ni, 93.1 id │
│ KiB Mem : 16384000 total, 8192000 free │
│ KiB Swap: 4194304 total, 4194304 free │
│ │
│ root@server-01:~$ █ │
│ │
│ ← 实时双向通信 ← 窗口自适应 ← 连接状态可视化 │
└─────────────────────────────────────────────────────┘技术特点：
- 基于 xterm.js 终端模拟器
- 通过 WebSocket 实现实时双向通信
- 窗口大小自动适应
- 支持实时输入输出
- 30 分钟空闲自动断开（安全保护）
1.2.4 主机管理增强
管理你的服务器就像整理文件一样简单：
服务器分组结构：
📁 所有服务器
┣━ 📁 生产环境
┃ ┣━ 📁 Web 服务器
┃ ┃ ┣━ 🖥️ Web-01 (192.168.1.10)
┃ ┃ ┗━ 🖥️ Web-02 (192.168.1.11)
┃ ┗━ 📁 数据库服务器
┃ ┗━ 🖥️ DB-01 (192.168.1.20)
┣━ 📁 测试环境
┃ ┗━ 🖥️ Test-01 (192.168.2.10)
┗━ 📁 未分组
┗━ 🖥️ Unknown-01 (192.168.3.10)增强功能：
- 📂 多级分组：树形结构，无限层级
- 📥 CSV 批量导入：Excel 填好上传即可
- 🔍 SSH 自动采集：一键获取 CPU、内存、磁盘、OS 信息
- 🏷️ 标签系统：灵活标记服务器用途
- 📤 导出功能：支持 CSV 和 JSON 格式
1.2.5 告警中心
自动接收、处理和分析告警：
告警处理能力：
- 🔔 多渠道接收：支持 Prometheus、Zabbix、通用 Webhook
- 🔇 自动降噪：相同告警自动去重和抑制
- 🔗 自动触发：告警到达后自动匹配并触发处理工作流
- 📊 根因分析：分析多个告警之间的关联，找出根本原因
- 📬 多渠道通知：企业微信、钉钉、邮件、WebSocket 实时推送
1.2.6 知识库 + RAG
就像给 AI 运维专家配了一本"运维手册"：
RAG（检索增强生成）工作流程：
用户问题："服务器 CPU 使用率过高怎么办？"
│
▼
┌─────────────┐
│ 知识库检索 │ ← 22 条预设运维知识
│ │ + 自定义知识
└──────┬──────┘
│ 找到相关知识
▼
┌─────────────┐
│ 注入上下文 │ ← 将知识一起发给 AI
└──────┬──────┘
│
▼
┌─────────────┐
│ AI 回答 │ ← 基于知识的准确回答
└─────────────┘1.2.7 AI Copilot
一个会"感知系统状态"的智能运维助手：
对话示例：
你: "当前系统有什么告警吗？"
AI Copilot: "当前有 3 个活跃告警：
1. 🔴 服务器 Web-01 CPU 使用率 95%（严重）
2. 🟡 服务器 DB-01 磁盘使用率 85%（警告）
3. 🟢 服务器 Test-01 内存使用恢复正常（已解决）
建议优先处理 Web-01 的 CPU 问题，要我帮你分析原因吗？"Copilot 的特点：
- 🧠 自动感知：自动获取系统告警、服务器状态、任务执行情况
- ⚡ 快速响应：简单问题直接回答，复杂问题调用 LLM 深度分析
- 💬 对话式交互：用自然语言对话，不需要记命令
1.2.8 多模型支持
支持多种 AI 模型，数据可以完全不出域：
| 模型类型 | 提供商 | 适用场景 |
|---|---|---|
| 国内云 API | 火山引擎 · 豆包 | 国内用户推荐，稳定快速 |
| 国际云 API | OpenAI (GPT-4o) | 有外网环境用户 |
| 本地部署 | Ollama / LM Studio / vLLM | 数据安全要求高，内网部署 |
🔒 数据安全：所有服务器凭证只在本地加密存储，不会发送给任何第三方 AI。Agent 执行的命令和输出也只在你的服务器内部流转。
1.2.9 企业级安全
项目采用了多层安全设计，确保系统和数据安全：
| 安全措施 | 说明 | 类比 |
|---|---|---|
| 🔐 AES-256-GCM 加密 | 服务器密码和 SSH 密钥加密存储 | "银行级保险箱" |
| 🎫 JWT 双令牌认证 | Access Token + Refresh Token | "门禁卡 + 临时通行证" |
| 📜 完整操作审计 | 所有操作都有记录可追溯 | "全程监控摄像头" |
| 🛡️ 非 root 运行 | 容器以非 root 用户运行 | "普通员工权限，不能乱动" |
| ⚡ API 速率限制 | 防止恶意请求和暴力破解 | "每分钟最多敲 100 次门" |
| 🔑 强制密码修改 | 首次登录强制改默认密码 | "临时密码，第一次必须改" |
1.2.10 Docker 一键部署
5 分钟完成部署，新手也能轻松上线：
bash
# 只需要一条命令
.\deploy.ps1 # Windows
./deploy.sh # Linux/Mac
# 自动完成：
# ✅ 拉取镜像
# ✅ 生成配置
# ✅ 启动服务
# ✅ 验证健康状态1.3 技术栈全景
📌 学习提示：这一节不需要你理解每个技术的具体用法，只需要知道"项目用了什么"。后续章节会逐个详细讲解！
前端技术栈
┌─────────────────────────────────────────────────────┐
│ 前端技术栈 │
│ │
│ React 18 ← UI 框架，构建用户界面 │
│ TypeScript ← 类型系统，让代码更安全 │
│ Vite ← 构建工具，开发时热更新极快 │
│ Tailwind CSS ← 样式框架，直接在 HTML 中写样式 │
│ Zustand ← 状态管理，管理全局数据 │
│ React Query ← 数据请求缓存，减少重复请求 │
│ @xyflow/react ← 工作流编辑器，拖拽式编排 │
│ Socket.io ← 实时通信，WebSocket 封装 │
│ xterm.js ← 终端模拟器，浏览器中的 SSH 终端 │
└─────────────────────────────────────────────────────┘后端技术栈
┌─────────────────────────────────────────────────────┐
│ 后端技术栈 │
│ │
│ Node.js ← 运行环境，让 JavaScript 跑在服务端 │
│ Express ← Web 框架，处理 HTTP 请求 │
│ TypeScript ← 类型系统，让代码更安全 │
│ SQLite ← 数据库，轻量级嵌入式数据库 │
│ better-sqlite3 ← SQLite 驱动，同步 API 性能更好 │
│ Socket.io ← 实时通信，WebSocket 服务端 │
│ ssh2 ← SSH 客户端，远程连接服务器 │
│ JWT ← 认证令牌，用户身份验证 │
│ bcrypt ← 密码哈希，加密存储密码 │
│ node-schedule ← 定时任务，按计划自动执行 │
└─────────────────────────────────────────────────────┘部署技术栈
┌─────────────────────────────────────────────────────┐
│ 部署技术栈 │
│ │
│ Docker ← 容器化，打包应用和依赖 │
│ Docker Compose ← 容器编排，管理多个容器 │
│ Nginx ← 反向代理，分发请求和静态文件 │
│ GitHub Actions ← CI/CD，自动化构建和发布 │
└─────────────────────────────────────────────────────┘技术栈类比表
| 技术 | 是什么？ | 类比 |
|---|---|---|
| React | 前端 UI 框架 | "乐高积木"，用组件搭建页面 |
| TypeScript | JavaScript 的超集 | "带检查的作业本"，写错会提醒你 |
| Express | 后端 Web 框架 | "餐厅服务员"，接收请求并处理 |
| SQLite | 轻量级数据库 | "随身笔记本"，不需要独立服务器 |
| Docker | 容器化工具 | "快递包装盒"，把应用和依赖一起打包 |
| Nginx | 反向代理服务器 | "前台接待员"，把请求分发给正确的服务 |
1.4 项目架构概览
让我们从高空俯瞰整个系统的架构：
┌─────────────────────────────────────────────────────────────┐
│ 用户浏览器 │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 仪表盘 │ │ 服务器 │ │ 工作流 │ │ 告警 │ │
│ │ 页面 │ │ 管理 │ │ 编辑器 │ │ 中心 │ │
│ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │
│ │
│ 前端：React + TypeScript │
│ 45+ 个页面，Zustand 状态管理 │
└──────────────────────────────┬──────────────────────────────┘
│
HTTP 请求 + WebSocket
│
┌──────────────────────────────▼──────────────────────────────┐
│ Nginx 反向代理 │
│ │
│ 访问 / → 转发到前端静态文件 │
│ 访问 /api/* → 转发到后端 API │
│ 访问 /ws/* → 转发到 WebSocket │
└──────────────────────────────┬──────────────────────────────┘
│
┌──────────────────────────────▼──────────────────────────────┐
│ 后端应用层 (Express) │
│ │
│ ┌────────────────────────────────────────────────────┐ │
│ │ API 路由层 (47 个模块) │ │
│ │ auth, servers, agents, workflows, tasks, alerts... │ │
│ ├────────────────────────────────────────────────────┤ │
│ │ 业务逻辑服务层 (50+ 个服务) │ │
│ │ Agent 服务, 工作流执行, SSH 服务, 告警处理... │ │
│ ├────────────────────────────────────────────────────┤ │
│ │ 数据访问层 (SQLite) │ │
│ │ 44 张数据表，AES-256 加密 │ │
│ └────────────────────────────────────────────────────┘ │
└──────────┬─────────────────────┬─────────────────────┬──────┘
│ │ │
┌──────────▼──────┐ ┌──────────▼──────┐ ┌───────────▼──────┐
│ LLM API │ │ SSH 远程 │ │ 监控系统 │
│ 豆包/OpenAI │ │ 目标服务器 │ │ Prometheus │
│ │ │ │ │ Zabbix │
└─────────────────┘ └─────────────────┘ └──────────────────┘架构层级说明
| 层级 | 职责 | 类比 |
|---|---|---|
| 前端层 | 展示界面，用户交互 | "餐厅门面"，顾客看到和使用的部分 |
| Nginx 层 | 请求分发，静态文件服务 | "前台接待"，引导顾客到正确位置 |
| 后端层 | 业务逻辑，数据处理 | "后厨"，实际干活的地方 |
| 外部服务 | AI 能力，远程服务器，监控数据 | "供应商"，提供额外能力 |
1.5 典型应用场景
场景一：自动告警处理
问题：每天收到上百条服务器告警，人工处理不过来
传统方式：
告警来了 → 人工查看 → 登录服务器 → 排查问题 → 手动修复 → 写记录
⏱️ 耗时：30-60 分钟/条
使用 ITOps Agent Platform：
告警来了 → 自动接收 → 降噪去重 → 自动匹配工作流 → Agent 处理 → 发送结果
⏱️ 耗时：2-5 分钟/条场景二：定期系统巡检
问题：每周需要对 50 台服务器进行巡检
传统方式：
人工登录每台服务器 → 执行检查命令 → 记录结果 → 汇总报告
⏱️ 耗时：4-8 小时
使用 ITOps Agent Platform：
设置定时任务 → 自动巡检 → Agent 分析 → 自动生成报告
⏱️ 耗时：30 分钟（全自动）场景三：故障诊断
问题：服务器突然变慢，不知道是什么原因
传统方式：
查 CPU → 查内存 → 查磁盘 → 查网络 → 查日志 → 凭经验判断
⏱️ 耗时：1-2 小时，依赖个人经验
使用 ITOps Agent Platform：
触发故障诊断工作流 → 多个 Agent 协作分析 → LLM 综合推理 → 给出诊断报告
⏱️ 耗时：5-10 分钟，标准化输出场景四：合规检查
问题：需要定期检查服务器是否符合安全规范
传统方式：
人工对照检查清单 → 逐台服务器检查 → 记录不合规项 → 整改跟踪
⏱️ 耗时：数天
使用 ITOps Agent Platform：
执行合规检查工作流 → 自动检查 14 项安全指标 → 生成合规报告
⏱️ 耗时：自动完成，按需执行1.6 项目信息
基本信息
| 项目 | 信息 |
|---|---|
| 项目名称 | ITOps Agent Platform |
| 当前版本 | 3.0.3 |
| 作者 | 谭策 |
| 许可证 | MPL-2.0（弱 Copyleft 开源） |
| GitHub | https://github.com/qinshihu/itops-agent-platform |
| 项目官网 | https://www.zjzwfw.cloud/ITOpsAgentinfo |
项目规模
| 指标 | 数据 |
|---|---|
| 前端页面 | 45+ 个页面 |
| 后端路由 | 47 个模块 |
| 业务服务 | 50+ 个服务 |
| 数据表 | 44 张 |
| 预设 Agent | 9 个 |
| 预设工作流 | 6 个 |
| 预设知识库 | 22 条 |
| 代码行数 | 约 20,000+ 行 |
本章小结
核心知识点回顾
- ✅ ITOps Agent Platform 是一个企业级 IT 运维自动化平台，通过 AI Agent 协作实现运维任务自动化
- ✅ 项目拥有 9 个预设 Agent，覆盖告警处理、故障诊断、日志分析等运维场景
- ✅ 支持 可视化工作流编排，拖拽式创建自动化流程
- ✅ 内置 Web SSH 终端，浏览器中直接操作远程服务器
- ✅ 支持 多种 AI 模型：豆包、OpenAI、本地部署模型
- ✅ 采用 多层安全设计：AES-256 加密、JWT 认证、审计日志等
- ✅ Docker 一键部署，5 分钟上线
- ✅ 前端使用 React + TypeScript + Tailwind CSS
- ✅ 后端使用 Express + TypeScript + SQLite
- ✅ 部署使用 Docker + Nginx + GitHub Actions
常见误区提醒
| 误区 | 正确理解 |
|---|---|
| "需要很强的编程基础才能用" | 不需要！使用平台本身不需要编程，拖拽即可创建流程 |
| "必须要用付费的 AI 模型" | 不是！支持本地部署模型（Ollama 等），完全免费 |
| "只能管理少量服务器" | 不！设计目标是管理数百台服务器，支持批量操作 |
| "数据安全没保障" | 多层安全防护，数据本地加密存储，不发送给第三方 |
本章练习
基础练习
名词解释：用自己的话解释以下概念
- ITOps
- Agent（智能体）
- 工作流
- RAG（检索增强生成）
特性回忆：不翻看本章内容，列出你能记住的项目核心特性（至少 5 个）
架构描述：画出你理解的项目架构图，标注出前端、后端、数据库、外部服务
进阶练习
场景分析：假设你需要管理 200 台服务器，列出 3 个你最想用 ITOps Agent Platform 解决的问题
技术调研：搜索以下技术，简单了解它们的用途
- React
- Express
- Docker
- SQLite
思考题
- 为什么项目选择使用 SQLite 而不是 MySQL 或 PostgreSQL？这有什么优缺点？
- 如果你有新的运维需求，你希望平台增加什么样的 Agent 功能？
延伸阅读
官方资源
技术学习
概念理解
📖 下一章预告：第2章《环境准备与快速上手》—— 我们将一步步搭建开发环境，把项目运行起来！零基础也不用担心，每个步骤都有详细说明。