133 lines
4.2 KiB
Markdown
133 lines
4.2 KiB
Markdown
# Interview Demo Script
|
||
|
||
## 30 秒开场
|
||
|
||
这是一个 Agent Engineering 项目，场景是企业故障诊断。它支持两类入口：用户主动提问的 Chat 诊断，以及告警事件驱动的 AIOps 诊断。项目重点不是单次回答，而是把多 Agent 执行、工具证据、Verifier 评估、最终报告和反馈都沉淀成可回放的 trace。
|
||
|
||
## Demo 准备
|
||
|
||
启动服务：
|
||
|
||
```powershell
|
||
mvn spring-boot:run "-Dspring-boot.run.profiles=mvp-demo"
|
||
```
|
||
|
||
确认服务地址：
|
||
|
||
```text
|
||
http://localhost:9900
|
||
```
|
||
|
||
`mvp-demo` profile 下：
|
||
|
||
- Prometheus 告警使用 mock 数据。
|
||
- CLS 日志使用 mock 数据。
|
||
- MySQL、Redis、Milvus/Zilliz 和模型配置仍使用当前项目配置。
|
||
|
||
## Demo 1: Chat 诊断
|
||
|
||
目标：展示普通用户问题如何进入多 Agent 诊断、调用工具、经过 Verifier，并生成 trace。
|
||
|
||
请求：
|
||
|
||
```powershell
|
||
$sessionId = "interview-chat-payment-timeout-001"
|
||
$body = @{
|
||
Id = $sessionId
|
||
Question = "支付接口最近出现超时，请结合知识库、日志和指标判断可能原因，并给出修复建议。"
|
||
} | ConvertTo-Json
|
||
|
||
Invoke-RestMethod `
|
||
-Method Post `
|
||
-Uri "http://localhost:9900/api/chat" `
|
||
-ContentType "application/json" `
|
||
-Body $body
|
||
```
|
||
|
||
讲解点：
|
||
|
||
- `ChatController` 把请求交给 `ChatService.executeChatWithStrategy(...)`。
|
||
- 简单问题走单 ReactAgent，复杂问题走 `Planner -> Executor -> Verifier`。
|
||
- Executor 可以调用知识库、日志、指标等工具。
|
||
- Verifier 会基于工具证据生成 groundedness 评估。
|
||
- 最终会写入 `diagnosis_session`、`agent_step`、`tool_invocation`。
|
||
|
||
查询 trace：
|
||
|
||
```powershell
|
||
Invoke-RestMethod `
|
||
-Method Get `
|
||
-Uri "http://localhost:9900/api/diagnosis/$sessionId/trace"
|
||
```
|
||
|
||
展示点：
|
||
|
||
- `data.session.agentFlow = CHAT`
|
||
- `data.steps` 中能看到 planner/executor/verifier
|
||
- `data.toolInvocations` 中能看到证据工具
|
||
- `data.session.selfEvaluation` 中有 verifier 结果
|
||
|
||
## Demo 2: AIOps 告警诊断
|
||
|
||
目标：展示告警 payload 如何触发 AIOps 入口，并且报告只聚焦目标告警。
|
||
|
||
请求：
|
||
|
||
```powershell
|
||
$aiopsSessionId = "interview-aiops-payment-cpu-001"
|
||
$aiopsBody = @{
|
||
sessionId = $aiopsSessionId
|
||
alertName = "HighCPUUsage"
|
||
service = "payment-service"
|
||
severity = "P1"
|
||
description = "服务 payment-service 的 CPU 使用率持续超过 80%，当前值为 92%。实例: pod-payment-service-7d8f9c6b5-x2k4m。"
|
||
timeRange = "last_15m"
|
||
userRequest = "请结合 Prometheus 活动告警、system-metrics 日志和知识库生成告警分析报告。"
|
||
} | ConvertTo-Json
|
||
|
||
Invoke-WebRequest `
|
||
-Method Post `
|
||
-Uri "http://localhost:9900/api/ai_ops" `
|
||
-ContentType "application/json" `
|
||
-Body $aiopsBody
|
||
```
|
||
|
||
讲解点：
|
||
|
||
- `/api/ai_ops` 接受可选 `AIOpsRequest`。
|
||
- 首条 SSE 消息会返回 `type=session`。
|
||
- `AiOpsService` 根据 payload 判断模式：
|
||
- `PAYLOAD_TARGETED`：聚焦传入告警。
|
||
- `AUTO_DISCOVERY`：没有 payload 时先查 active alerts。
|
||
- AIOps 暂时不加 Verifier，先保证告警入口、证据工具和 trace 可用。
|
||
|
||
查询 trace：
|
||
|
||
```powershell
|
||
Invoke-RestMethod `
|
||
-Method Get `
|
||
-Uri "http://localhost:9900/api/diagnosis/$aiopsSessionId/trace"
|
||
```
|
||
|
||
展示点：
|
||
|
||
- `data.session.agentFlow = AI_OPS`
|
||
- `data.session.answer` 有最终告警报告
|
||
- `data.toolInvocations` 有 `query_metrics`、`query_logs`、`lookup_knowledge`
|
||
- 报告有 `HighCPUUsage/payment-service` 的完整根因分析
|
||
- 其他 active alerts 只作为相关风险出现，不展开成独立根因章节
|
||
|
||
## MySQL 验证
|
||
|
||
```powershell
|
||
python scripts/query_mysql.py "SELECT session_id, agent_flow, status, step_count, tool_call_count FROM diagnosis_session ORDER BY id DESC LIMIT 5"
|
||
```
|
||
|
||
```powershell
|
||
python scripts/query_mysql.py "SELECT tool_name, COUNT(*) AS cnt FROM tool_invocation WHERE session_id='interview-aiops-payment-cpu-001' GROUP BY tool_name"
|
||
```
|
||
|
||
## 收尾总结
|
||
|
||
这套 Demo 展示的是一个完整 Agent 系统，而不是一次模型问答：入口有明确场景边界，Agent 负责规划和执行，工具提供证据，Verifier 提供质量门，trace API 提供审计和复盘能力。AIOps 入口进一步证明它可以从用户问答扩展到事件驱动诊断。
|