如何使用AI大模型推理分析发送的告警通知

本文示例中，我们将使用DeepSeek的大模型接口进行推理分析获取结果，使用企业微信应用接收通知

实施费用：经测试，100条告警，也就是调用100次deepseek接口推理分析，费用大约为0.22元

收益：经过AI推理分析后，我们可以直接获取到故障出现的原因，排查的步骤，解决方案，降低了平均故障处理时间

WGCLOUD有告警缓存机制，相同的告警消息默认2小时内不会重复发送（这个时间可以在server配置文件里修改的），因此也不用担心同样的告警会重复调用AI接口产生费用

我们也可以参考此示例，使用其他的AI接口进行推理分析，比如OpenAI，和其他的通知方式（比如钉钉、飞书、Telegram等方式）

如下例子，是python文件wgcloud_ai_analyzer.py，文件名称可以修改为自己喜欢的名字

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import requests
import urllib.request
import json
import sys
import time
import datetime

# 企业微信配置区
corpid = '微信企业ID' #企业的id在我的企业最下面
corpsecret = '微信企业应用Secret' #这个也是应用的
url = 'https://qyapi.weixin.qq.com'

curr_time = datetime.datetime.now()
time_str = datetime.datetime.strftime(curr_time,'%H:%M:%S')

# AI配置区
API_KEY = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"  # 替换为你的DeepSeek API Key
API_URL = "https://api.deepseek.com/chat/completions"

def analyze_alert(alertContent,time_str):
    """调用DeepSeek分析告警"""

prompt = f"""你是一位资深运维工程师。请分析以下WGCLOUD监控告警：

【告警信息】
告警内容：{alertContent}
告警时间：{time_str}

请按以下格式回复：
1. 问题定性（一句话总结这是什么问题）
2. 可能原因（列出1-2个最常见原因）
3. 排查步骤（具体可执行的命令）
4. 解决方案（临时恢复+根治方案）
"""

headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }

data = {
        "model": "deepseek-chat",
        "messages": [
            {"role": "system", "content": "你是一名经验丰富的Linux运维专家，精通WGCLOUD监控和故障排查，WGCLOUD官网 www.wgstart.com"},
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.3,  # 降低随机性，让回答更稳定
        "max_tokens": 1000
    }

try:
        response = requests.post(API_URL, headers=headers, json=data, timeout=60)
        result = response.json()
        return result['choices'][0]['message']['content']
    except Exception as e:
        return f"AI分析失败：{str(e)}"

#--------------------------------
# 获取企业微信token
#--------------------------------

def get_token(url, corpid, corpsecret):
    token_url = '%s/cgi-bin/gettoken?corpid=%s&corpsecret=%s' % (url, corpid, corpsecret)
    token = json.loads(urllib.request.urlopen(token_url).read().decode())['access_token']
    return token

#--------------------------------
# 构建告警信息json
#--------------------------------
def messages(msg):
    values = {
        "touser": '@all', #@all是所有人的意思单发给个人需要填写个人账号
        "msgtype": 'text',
        "agentid": 1000002, #企业号中的应用id
        "text": {'content': msg},
        "safe": 0
        }
    msges=(bytes(json.dumps(values), 'utf-8'))
    return msges

#--------------------------------
# 发送告警信息
#--------------------------------
def send_message(url,token, data):
        send_url = '%s/cgi-bin/message/send?access_token=%s' % (url,token)
        respone=urllib.request.urlopen(urllib.request.Request(url=send_url, data=data)).read()
        x = json.loads(respone.decode())['errcode']
        # print(x)
        if x == 0:
            print ('Succesfully')
        else:
            print ('Failed')

##############函数结束########################

if __name__ == "__main__":
    
    curr_time = datetime.datetime.now()
    time_str = datetime.datetime.strftime(curr_time,'%Y-%m-%d %H:%M:%S')

warnContent="WGCLOUD告警："+time_str+"，"+sys.argv[1]
    # 调用AI分析
    analysis = analyze_alert(warnContent, time_str)

#函数调用
    warnContent="WGCLOUD告警："+time_str+"，"+warnContent+"\n\n" + "="*5+"🤖 AI智能分析报告"+"="*5+"\n"+analysis
    test_token=get_token(url, corpid, corpsecret)
    msg_data= messages(warnContent)
    send_message(url,test_token, msg_data)
    # 输出结果（捕获这个输出）
    print("\n" + "="*50)
    print("🤖 AI智能分析报告")
    print("="*50)
    print(analysis)
    print("="*50)

告警报警配置说明 / 企业微信告警实现 / 如何使用AI大模型推理分析发送告警通知

本文将介绍如何使用python3脚本，将WGCLOUD的告警消息和AI的推理分析结果一起发送给企业微信

本文示例中，我们将使用DeepSeek的大模型接口进行推理分析获取结果，使用企业微信应用接收通知

实施费用：经测试，100条告警，也就是调用100次deepseek接口推理分析，费用大约为0.22元

收益：经过AI推理分析后，我们可以直接获取到故障出现的原因，排查的步骤，解决方案，降低了平均故障处理时间

WGCLOUD有告警缓存机制，相同的告警消息默认2小时内不会重复发送（这个时间可以在server配置文件里修改的），因此也不用担心同样的告警会重复调用AI接口产生费用

我们也可以参考此示例，使用其他的AI接口进行推理分析，比如OpenAI，和其他的通知方式（比如钉钉、飞书、Telegram等方式）

如下例子，是python文件wgcloud_ai_analyzer.py，文件名称可以修改为自己喜欢的名字

将上面内容保存为wgcloud_ai_analyzer.py，然后修改配置文件server/config/application.yml的如下配置项warnScript，注意是配置完全路径，然后重启server程序即可

我们可以先在终端命令行，调用这个python脚本，测试下是否能接收到告警消息和推理分析结果，命令如下

好了，如上就是如何使用python脚本，发送告警消息，和调用AI大模型接口对告警消息推理分析的使用方法

我们计划从v3.6.4版本开始，将告警消息记录提取为一个单独的模块，并在页面加入AI分析能力

如上py脚本只获取了告警通知内容，如果想获取用户ID，标签名称，告警级别，请查看说明

提示：如果是在Windows部署的server使用python告警脚本，如果提示找不到python命令或者文件，那么需要把python的环境变量添加到【系统变量】中，这样程序才能调用python脚本