iop07695432 opened a new issue, #3869: URL: https://github.com/apache/hertzbeat/issues/3869
### Feature Request 目前的 HertzBeat AI 功能主要还是作为一个“客户端”去调用外部的大模型 API（如 OpenAI）或者连本地的 Ollama。 痛点在于： 门槛高：用户还得自己折腾外部模型或 API Key。 不够懂业务：外部模型不知道我系统平时的各项指标基线（Baseline）是什么样，只能回答通用问题，很难做到真正的“预测”和“深层分析”。 ### Is your feature request related to a problem? Please describe NO ### Describe the solution you'd like 我建议把 AI 的集成做得更“原生”一些，不再只是一个对话框，而是变成系统的“大脑”。具体想法如下： 1. 提供一个官方的“内嵌模型” (Built-in Model) 不要让用户非得去配 API。HertzBeat 可以考虑集成一个经过预训练/微调的轻量级模型（作为可选组件）。 实现方式：做成一个独立的 Module。如果用户机器有 GPU/NPU 资源，勾选开启就能用；如果没有，就默认关闭，不影响主程序性能。 好处：开箱即用，对小白用户非常友好，而且能保证模型输出的格式是 HertzBeat 肯定能读懂的。 2. 监控数据的“结构化”与“资产化” 现在的监控数据（CPU、内存、流量、IO 等）存下来主要就是为了画图和报警。 建议开发一套机制，定期把这些原始指标转化成适合 AI 训练的结构化数据。 比如：自动整理过去一周的波峰波谷数据、报错频率、资源增长曲线。 这不仅是存日志，而是把数据变成 AI 的“教材”。 3. 支持本地“自训练”与趋势预测 (Auto-Train) 有了上面的结构化数据和内嵌模型，HertzBeat 就应该具备主动学习的能力。 场景举例：系统自动根据我过去半年的数据训练，发现我的磁盘虽然现在没满，但按照最近 3 个月的增长斜率，下个月必满。 差异化对比：AI 可以自动分析“今年双11”和“去年双11”的各项指标差异，直接给出报告，而不是让人去一张张翻图表。 ### Describe alternatives you've considered _No response_ ### Additional context 现在的监控工具大多停留在“出事了报警”，但我认为 HertzBeat 既然定位全链路，完全有机会做到“出事针对性预判”。 通过 内嵌模型 + 本地数据清洗 + 自动训练 这套组合拳，可以让 HertzBeat 真正拥有分析业务特性的能力，变成一个 AIOps 平台。 -- This is an automated message from the Apache Git Service. To respond to the message, please log on to GitHub and use the URL above to go to the specific comment. To unsubscribe, e-mail: [email protected] For queries about this service, please contact Infrastructure at: [email protected] --------------------------------------------------------------------- To unsubscribe, e-mail: [email protected] For additional commands, e-mail: [email protected]
