LogClaw: Open-Source AI SRE für automatische Ticket-Erstellung aus Logs
LogClaw ist eine Open-Source-AI-SRE-Plattform, die in Ihrer VPC bereitgestellt wird und automatisch Incident-Tickets aus Log-Anomalien erstellt. Entwickelt von Robel nach Frustration über vage Alarme von Tools wie Datadog, konzentriert sie sich darauf, Log-Rauschen in handlungsorientierte Tickets ohne manuelles Eingreifen zu verwandeln.
Wie es funktioniert
Das System nimmt Logs über OpenTelemetry auf und erkennt Anomalien mithilfe signalbasierter zusammengesetzter Bewertung anstelle einfacher Schwellenwertalarme. Es extrahiert 8 Fehlertyp-Signale: OOM, Abstürze, Ressourcenerschöpfung, Abhängigkeitsfehler, DB-Deadlocks, Timeouts, Verbindungsfehler und Authentifizierungsfehler. Diese werden mit statistischer Z-Score-Analyse, Ausbreitungsradius, Fehlergeschwindigkeit und Wiederholungssignalen zu einem zusammengesetzten Score kombiniert.
Kritische Fehler (OOM, Panics) lösen sofortige Erkennung aus. Sobald eine Anomalie bestätigt ist, gruppiert eine 5-Schichten-Trace-Korrelations-Engine Logs nach traceId, kartiert Service-Abhängigkeiten, verfolgt Fehlerausbreitungskaskaden und berechnet den Ausbreitungsradius über betroffene Services.
Der Ticketing-Agent zieht dann die korrelierte Timeline, sendet sie an ein LLM für Root-Cause-Analyse und erstellt ein dedupliziertes Ticket auf Jira, ServiceNow, PagerDuty, OpsGenie, Slack oder Zammad. Der gesamte Zyklus von Log-Rauschen zum erstellten Ticket dauert etwa 90 Sekunden.
Architektur
LogClaw verwendet diese Architektur: OTel Collector → Kafka (Strimzi, KRaft-Modus) → Bridge (Python, 4 parallele Threads: ETL, Anomalieerkennung, OpenSearch-Indexierung, Trace-Korrelation) → OpenSearch + Ticketing Agent.
Die AI-Schicht unterstützt OpenAI, Claude oder Ollama für vollständig luftgekoppelte Bereitstellungen. Alles wird mit einem einzigen Helm-Chart pro Mandant bereitgestellt, namespace-isoliert ohne gemeinsame Datenebene.
Aktuelle Einschränkungen
- Metriken und Traces werden noch nicht unterstützt – dies ist nur für Logs. Metrik-Unterstützung ist geplant.
- Die Anomalieerkennung ist signalbasiert + statistisch (zusammengesetzte Bewertung mit Z-Score), kein Deep Learning. Sie erfasst 99,8 % der kritischen Fehler, erkennt aber noch keine subtilen Leistungsdriftmuster.
- Das Dashboard ist funktional aber einfach. OpenSearch Dashboards übernehmen die Hauptarbeit.
Bereitstellung und Preisgestaltung
Die Plattform ist unter Apache 2.0 lizenziert. Eine verwaltete Cloud-Version ist für 0,30 $/GB aufgenommene Daten verfügbar, wenn Sie nicht selbst hosten möchten. Laut Source kann LogClaw 80–90 % Kosteneinsparungen gegenüber Splunk/Datadog bieten, mit jährlichen Observability-Kosten von 38.000 $ gegenüber 1,2 Mio. $ für Splunk bei 500 GB/Tag.
Für die lokale Entwicklung ist Dokumentation verfügbar unter https://docs.logclaw.ai/local-development.
📖 Read the full source: HN AI Agents
👀 Siehe auch
CtxSnap VS-Code-Erweiterung verfolgt Dateiänderungen für Claude-Sitzungen
CtxSnap ist eine VS Code-Erweiterung, die verfolgt, welche Dateien sich seit Ihrer letzten Claude-Sitzung geändert haben, und verpackt sie in einen kopierfertigen Übergabeblock mit Dateiinhalten und einer Token-Budget-Anzeige, die auf Claudes 200k-Kontextfenster kalibriert ist.
Entwickler teilt hybride KI-Codier-Workflow: Claude für die Planung, lokale Modelle für die Ausführung
Ein Entwickler baute eine Pipeline mit Claude 3.5 Sonnet für die Aufgabenplanung und lokalen Qwen2.5-Coder-Modellen über Ollama für die Codegenerierung und erreichte eine Reduzierung der Tokens um 85 % im Vergleich zur alleinigen Nutzung von Claude.
SkillOpt: Optimierung von Markdown-Fähigkeitsdateien als trainierbare Parameter für KI-Agenten
SkillOpt formalisiert den Ad-hoc-Prozess des Bearbeitens von Markdown-Skill-Dateien für KI-Codierungsagenten, indem es Frontier-Modelle nutzt, um begrenzte Änderungen vorzuschlagen, die an Validierungssätzen geprüft werden. Die besten Skills konvergieren mit 1-4 akzeptierten Änderungen aus vielen Vorschlägen und lassen sich zwischen Modellen wie Codex und Claude Code übertragen.
Quiver: Eine GUI zur Verwaltung und Synchronisierung von Claude Code Skills
Quiver ist ein kostenloses, quelloffenes GUI-Tool, das eine Weboberfläche zur Verwaltung von Claude Code Skills bietet. Es ermöglicht Benutzern, lokale Skills und Marketplace-Plugins zu durchsuchen, SKILL.md-Dateien zu bearbeiten, über Git zu synchronisieren und Skills ohne Terminal zu installieren.