Многоагентная AI-система Haystack: автоматический анализ инцидентов и аномалий

Опубликован tutorial по построению мультиагентной системы на Haystack для автоматического анализа инцидентов. Это учебный пример, демонстрирующий возможности оркестровки агентов, а не встроенная функция фреймворка.

Система загружает метрики из CSV, выявляет аномалии, анализирует логи и формирует отчёт. После настройки и запуска процесс идёт без ручного вмешательства.

Для обнаружения аномалий применяется rolling z-score по метрикам вроде p95 латентности или частоты ошибок. Метод позволяет быстро находить подозрительные отклонения в данных.

Архитектура включает три основных агента. Координатор управляет последовательностью шагов анализа. Профайлер обрабатывает найденные аномалии и формирует гипотезы о причинах. Третий агент собирает итоговый отчёт с выводами и рекомендациями.

Каждый агент работает с набором инструментов. Один загружает данные из CSV. Другой выполняет SQL запросы к временной базе DuckDB для детального анализа. Отдельный инструмент ищет повторяющиеся паттерны в логах. Ещё один компонент предлагает варианты устранения проблемы.

Результат работы - структурированный отчёт в JSON с описанием фактов, предполагаемой причины и рекомендаций. Формат подходит для интеграции с системами мониторинга или тикетами.

Можно запустить на своих данных и посмотреть работу системы. Для использования в production потребуется адаптация под конкретные источники данных и бизнес логику.

Реализация может быть полезна для автоматизации рутинных операций при разборе инцидентов. Также служит примером построения агентных систем с распределением задач между компонентами.

Исходный код и подробности доступны здесь