我如何构建了一个在几秒钟内诊断 CI/CD 流水线故障的 AI 工具

Source: Dev.to

功能概述

当 CI/CD 流水线出现故障时，PipelineIQ 会自动：

• 捕获错误日志
• 将日志发送至 Claude AI 进行分析
• 在 Slack 中发送包含精确根因和修复步骤的警报 —— 仅需几秒钟

示例 Slack 警报

🔴 Pipeline Failure: Stripe API connection timeout blocking payment webhooks

AI Diagnosis: The deployment is failing because the application cannot establish a connection to Stripe's API within the 30‑second timeout limit. This is preventing payment webhook processing.

Recommended Fix: Check STRIPE_SECRET_KEY and STRIPE_PUBLISHABLE_KEY in production environment variables. Test connectivity to api.stripe.com from your deployment environment. Increase API timeout from 30s to 60s.

无需深挖日志。无需猜测。提供具体、可操作的步骤。

技术栈

• FastAPI – 支持异步的 Python 后端
• Supabase – 带行级安全的 PostgreSQL 数据库
• Anthropic Claude API – AI 诊断引擎
• Slack API – 基于块的丰富警报
• Railway – 生产环境部署
• GitHub Actions – 通过单一步骤集成

集成方式

在任意已有的 GitHub Actions 工作流中添加一步：

- name: Notify PipelineIQ
  if: always()
  run: |
    curl -X POST $PIPELINEIQ_URL/api/v1/pipelines/runs \
      -H "X-PipelineIQ-Key: $PIPELINEIQ_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "repo_full_name": "${{ github.repository }}",
        "branch": "${{ github.ref_name }}",
        "commit_sha": "${{ github.sha }}",
        "commit_message": "${{ github.event.head_commit.message }}",
        "workflow_name": "${{ github.workflow }}",
        "status": "${{ job.status }}",
        "started_at": "${{ github.event.head_commit.timestamp }}"
      }'

每一次运行——无论成功还是失败——都会被存储。失败时会自动触发 AI 诊断。

AI 诊断引擎

async def run_ai_diagnosis(run: dict, org_id: str, supabase: Client):
    insight = await diagnose_from_run(run)
    if not insight:
        return

    supabase.table("insights").insert({
        "severity": insight.get("severity"),
        "title": insight.get("title"),
        "diagnosis": insight.get("diagnosis"),
        "recommendation": insight.get("recommendation"),
        "estimated_time_save_minutes": insight.get("estimated_time_save_minutes"),
        "confidence": insight.get("confidence"),
    }).execute()

    await send_pipeline_alert(insight, run)

Claude 返回结构化的 JSON，包含严重程度、诊断、建议、置信度分数以及预计节省的时间。整个流程在 5 秒以内 完成。

后续计划

• 面向所有仓库的流水线健康 Web 仪表盘
• DORA 指标（部署频率、变更失败率、恢复时间）
• 环境漂移检测
• 行业基准 —— 你的团队表现如何？

免费试用

PipelineIQ 正在免费 beta 阶段。我们正在寻找工程团队进行试用，并提供关于缺失功能的真实反馈。

• 网站: https://pipelineiq.dev
• API 文档: https://pipelineiq-production-3496.up.railway.app/docs

欢迎在评论区提问——尤其是那些每天处理流水线故障的 DevOps 工程师。