背景
观测云有两个错误巡检脚本，RUM 错误巡检和 APM 错误巡检，代码均开源。
错误巡检的主要目的是发现新出现的错误消息(error stack)，原有的巡检在上报了相应的事件报告后，只是定位了问题，并没有给出合适的解决方案。OpenAI 的出现，给了解决个性化 error stack 的一些洞察和解决方案。
本次最佳实践通过二次开发原有巡检，针对智能巡检的告警报告，实现自动化故障反馈，为用户提出合适的改进意见，一并在事件报告中体现，作为更加完备的巡检解决方案。
实现流程
1.安装观测云集成（ChatGpt 监控）[ID: guance_chatgpt_monitor] 脚本。完整流程可参考最佳实践文档《一行代码实现 OpenAI 可观测》
2.安装观测云 APM 新增错误或 RUM 新增错误巡检脚本。
本最佳实践以 RUM 新增错误巡检为例。
3.对新增错误获取到的 error-stack 进行提取，与大模型进行问答。
在构建事件报告的 RUMEventStruct 类下新增一个大模型故障反馈模块，示例代码如下：
# 大模型故障反馈def build_chatgpt_solution(self, js_new_error_messages, start_time, end_time): chatgpt_solution_section = event_detail.Section(name='大模型故障反馈', name_en='Solution Details', index=3)
OPENAI_API_KEY = DFF.ENV('OPENAI_API_KEY')
# 发送请求并获取回复 url = 'https://us1-private-func.guance.com/api/v1/al/auln-...../simplified' headers = { 'Content-Type': 'application/json', 'Authorization': f'Bearer {OPENAI_API_KEY}' }
for js_new_error in js_new_error_messages: js_new_error_message = js_new_error[0] error_stack = js_new_error_message['error_stack'] print(f'error_stack:\n{error_stack}')
datas = { "model": "gpt-3.5-turbo", "messages": [{'role':'user', 'content':f'如果错误：{error_stack}，请问原因是什么？怎么解决?'}], "temperature": 0.5, "presence_penalty": 0, "stream": False, }
response = requests.post(url=url, headers=headers, json=datas)
md = event_detail.Markdown("") text_list = [ f'**解决方案**:`{response.text}`'] text_list_en = [ f'**Solution**:`{response.text}`', ] md.set_text(*text_list) md.set_text(*text_list_en, lang='en') chatgpt_solution_section.add(md)
return chatgpt_solution_section
复制代码
4.url 处填写第一步中授权链接的 POST 简化形式（JSON）。
5.巡检一小时跑一次，如果所连接应用触发了巡检逻辑，即可在观测云控制台的监控 -> 智能巡检模块看到生成的事件报告，如下图所示：
总结
在原有的智能巡检事件报告中，给出的建议相对固定，不能全面地将所有可能涉及到的错误建议给出。结合利用大模型，可以针对性地对触发的告警错误给出建议，提高事件报告的可读性。
评论