סוכן חקירה המופעל על ידי AI שמאפשר נראות מערכת בזמן אמת ואבחון אוטומטי

ככל שהחברה הגדילה את צינורות הנתונים והמערכות הפנימיות שלה, בעיות האבחון הפכו מורכבות יותר ויותר וגוזלות זמן.

הצוותים נאלצו באופן ידני:

• בדיקת יומנים, מסדי נתונים ותורים במערכות מרובות
• חקור כשלים ללא כלי אבחון מרכזי
• הרכיבו תובנות ממקורות מקוטעים

זה הוביל ל:

• ניתוח גורם שורש איטי
• נראות מוגבלת לגבי תקינות המערכת
• גילוי בעיות תגובתי ולא יזום
• תלות גבוהה בזמן הנדסי לחקירות

פרוס במלואו סוכן חוקר המופעל על ידי AI, שנועד לאוטומציה של אבחון, דיווח וניטור מערכת.

המערכת:

• צובר נתונים ממספר מקורות (מסדי נתונים, יומנים, תורים)
• מבצע ניתוח גורם שורש אוטומטי באמצעות סוכן AI (הנמקה מבוססת React)
• מעשיר חקירות במקורות ידע חיצוניים ופנימיים
• יוצר דוחות מובנים לאחר כל ריצה
• שולח התראות Slack בזמן אמת, כולל:
  
  • הודעות שגיאה
  • אותות פעימות לב המאשרים את פעילות המערכת
  • תובנות סיכום עם קישורים לדוחות מלאים

הפתרון פועל באמצעות ריצות מתוזמנות וטריגרים מבוססי התראה, ומבטיח ניטור רציף ללא התערבות ידנית.

• נראות מלאה לגבי תקינות המערכת ומצב הצינור
• חקירה ודיווח אוטומטיים לאחר כל ריצה
• הפחתה משמעותית בעבודת האבחון הידנית
• זיהוי גורם שורש מהיר יותר במערכות מורכבות
• ביטחון מוגבר באמצעות ניטור מתמשך והתראות על פעימות לב

נמסר כ- מערכת חוקר MVP עובדת, פרוס במלואו בסביבת הלקוח.

רכיבי יישום עיקריים:

• סוכן AI בנוי עם לאנגגרף (תבנית ReAct) והנמקה LLM
• שירותי backend באמצעות Node.js עם שאילתות ישירות של PostgreSQL
• תשתית AWS (CloudWatch, S3) עבור יומנים, עקבות ואחסון דוחות
• שילובים עם כלים פנימיים ומקורות ידע חיצוניים
• שכבת תקשורת מבוססת רפש להתראות ודיווח

צוות:
מהנדס אחר/AI אחד
1 דיוופ אופס
1 מוביל טכני
1 אחר הצהריים
2 QA

ציר זמן:

• POC (תרחישי אבחון): ~ 3 שבועות
• MVP מלא עם שילוב Slack: ~ 5 שבועות