MindsEye Hunting Engine — AI 构建、人工精炼、可投产的 Xano AI 驱动后端挑战提交

Source: Dev.to

概览

MindsEye Hunting Engine 是一个面向生产环境的后端系统，旨在分析分布式系统事件、检测故障、对相关事件进行分组、执行调查（hunt），并为外部开发者提供简洁的公共 API。本提交属于 Production‑Ready Public API 挑战。

MVP 的目标是证明 AI 能够生成完整的后端基础，并且人类开发者能够将其转化为可靠、可扩展的系统。

公共 API 端点（实时）

调试计数端点

curl -X GET \
  'https://x8ki-letl-twmt.n7.xano.io/api:Mx6Nh7jm/debug_mindseye_counts' \
  -H 'Content-Type: application/json'

示例响应

{
  "result1": {
    "source_count": 16,
    "stream_count": 36,
    "events_count": 36,
    "hunts_count": 1,
    "hunt_run_count": 4,
    "event_annotation_count": 49
  },
  "debug_summary": 4
}

该端点用于确认数据库健康、数据集完整性、hunt 准备情况、事件密度以及标注活动，展示所有表已正确关联。

截图与示意图

截图 1 – API 响应

截图 2 – 功能栈

截图 3 – 工作流画布示意图

截图 4 – 数据库模式

后端架构

数据模型概览

• source – 表示系统事件的来源（key、name、kind、environment）。
• stream – 与来源关联的逻辑通道（key、name、source 引用、description）。
• events – 核心日志数据集（时间戳、严重性、JSON 负载、source 与 stream 关联）。
• hunts – 调查查询的定义（时间窗口、标签、关联的事件集合、结果元数据）。
• hunt_run – hunt 的执行历史（运行状态、匹配事件计数、详细 JSON 摘要）。
• event_annotation – 对事件进行人工或 AI 标记的系统（备注、标签、元数据丰富）。

开发过程中使用的 AI 提示

• 提示 A – 数据库模式生成 – 生成完整的关系模式、索引和引用字段。
• 提示 B – 种子数据生成 – 创建与模式匹配的大规模合成数据集（sources、streams、events、hunts、annotations）。
• 提示 C – 调试计数 API 工作流 – 生成调试端点的初始版本，随后手动优化。

这些提示展示了人机协作的流水线。

AI 生成后的人类改进

• 修复表之间的外键不匹配。
• 为性能添加缺失的索引。
• 更正无效的字段类型（如时间戳与整数的混用）。
• 确保 events 正确引用 source_id 与 stream_id。
• 修复 hunt 关联数组。
• 实现正确的时间窗口校验逻辑。
• 为公共使用构建结构化的调试响应。
• 保证没有函数在静默返回空数据。
• 通过实时运行验证所有关系映射。

这种混合方式体现了 Xano 的设计理念：AI 点火，人类完成。

为外部开发者提供的 API 用例

• 验证后端健康状态。
• 获取各子系统的计数。
• 确认关系完整性。
• 基于事件量构建仪表盘。
• 使用专用端点扩展 hunting 引擎。

该设计鼓励后续功能的扩展。

使用 Xano 的体验

Xano 为 AI 生成与人工工程的结合提供了坚实的基础。XanoScript 扩展让结构创建迅速完成，视觉化的函数栈使得改进过程直观。调试工具在定位空响应或关联错误时尤为有用。总体而言，Xano 像是一个 AI 驱动的初级工程师，配合资深人工操作员一起工作。

MindsEye Hunting Engine 的未来扩展

计划中的增强包括：

• 实时摄取 – 通过 webhook 或事件总线进行流式数据输入。
• hunt 模板 – 可复用的调查（如 “错误突发”、 “峰值检测”、 “严重性聚类”）。
• 基于 ML 的分类 – 向量嵌入用于异常分组、自动标签和事件聚类。
• 多租户支持 – 为多个开发者或客户提供隔离的 hunt 环境。
• 前端仪表盘 – 时间线可视化、热力图、hunt 分析与标注工具。
• 自动修复 – 根据 hunt 结果触发自动化补救。
• API 文档门户 – 完整的开发者文档，附带使用示例。

这些功能将使 MindsEye 成为轻量级可观测引擎，适用于小团队、学生项目以及 AI 驱动的系统。