🤖 SRE自动化运维：利用Zapier与Make构建AI驱动的告警响应工作流 V1.0

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

Version: V1.0

Date: 2024-12-18

1. 前置条件

在开始配置之前，请确保具备以下资源和权限：

1. Zapier或Make（原Integromat）付费账户。
2. OpenAI API Key (或其他AI服务API Key)，确保具有足够的调用配额。
3. 目标告警系统（如Prometheus Alertmanager, PagerDuty等）的Webhook或API访问权限。
4. 目标响应系统（如Slack, Jira, Confluence等）的集成权限。

2. 告警信息提取与AI分析工作流 (Zapier)

本节将详细描述如何使用Zapier构建一个自动化流程，从告警信息中提取关键数据并利用AI进行初步分析。

2.1 Zapier配置：告警触发与数据捕获

目标: 当收到新的告警通知时，自动捕获其内容。

1. 登录Zapier账户，创建新的Zap。
2. 选择触发器 (Trigger App): 例如，选择 Webhooks by Zapier。
3. 选择触发事件 (Trigger Event): Catch Hook。

{
  "trigger_app": "Webhooks by Zapier",
  "trigger_event": "Catch Hook"
}

预期输出: Zapier将提供一个唯一的Webhook URL。将此URL配置到您的告警系统（如Alertmanager的receivers配置）。

# Alertmanager configuration example
receivers:
  - name: 'zapier-ai-webhook'
    webhook_configs:
      - url: 'YOUR_ZAPIER_WEBHOOK_URL'
        send_resolved: true

Note: 请替换 YOUR_ZAPIER_WEBHOOK_URL 为Zapier提供的实际URL。

2.2 Zapier配置：AI文本分析

目标: 利用OpenAI API对捕获的告警信息进行摘要或分类。

1. 在Zapier中添加新的动作 (Action)。
2. 选择动作应用 (Action App): OpenAI。
3. 选择动作事件 (Action Event): Send Prompt。
4. 账户连接: 连接您的OpenAI账户，输入API Key。
5. 配置Prompt:

Model: gpt-3.5-turbo
Prompt: "Summarize this alert message and suggest potential root causes in 3-5 bullet points: {{webhook_data__alert_message}}"
Temperature: 0.7
Max Tokens: 250

Warning: {{webhook_data__alert_message}} 是Zapier动态映射的Webhook接收到的告警内容字段。请根据实际接收到的数据结构进行调整。

3. AI分析结果与响应动作 (Make)

Make平台在构建复杂多分支自动化流程方面具有优势。本节将演示如何将Zapier的AI分析结果发送至Make，并触发相应的响应动作。

3.1 Make配置：接收Zapier数据

目标: Make模块接收Zapier处理后的AI分析结果。

1. 登录Make账户，创建新的场景 (Scenario)。
2. 选择模块 (Module): Webhooks。
3. 选择触发事件 (Trigger Event): Custom webhook。

{
  "module": "Webhooks",
  "event": "Custom webhook"
}

预期输出: Make将提供一个Webhook URL。将此URL配置为Zapier的下一个动作。

3.2 Zapier配置：发送AI结果至Make

目标: 将OpenAI的分析结果发送到Make的Webhook。

1. 在Zapier中添加新的动作。
2. 选择动作应用: Webhooks by Zapier。
3. 选择动作事件: POST。
4. 配置POST请求:

URL: 'YOUR_MAKE_WEBHOOK_URL'
Payload Type: 'json'
Data:
  "alert_summary": "{{openai_response__choices__0__text}}"
  "original_alert": "{{webhook_data__alert_message}}"

Note: YOUR_MAKE_WEBHOOK_URL 是Make提供的Webhook URL。{{openai_response__choices__0__text}} 是OpenAI分析结果的动态字段。

3.3 Make配置：基于AI结果的响应

目标: 根据AI分析结果，自动在Slack发布通知并创建Jira工单。

1. 在Make场景中，连接Webhooks模块到下一个模块。
2. 条件分支 (Router): 根据AI分析的关键词（例如，如果AI总结中包含“严重故障”），可以创建不同的分支。
3. Slack通知模块:

{
  "module": "Slack",
  "action": "Create a Message"
  "channel": "#sre-alerts"
  "text": "⚠️ AI分析：发现严重告警！\n摘要：{{webhook_data.alert_summary}}\n原始告警：{{webhook_data.original_alert}}"
}

4. Jira工单创建模块:

{
  "module": "Jira",
  "action": "Create an Issue"
  "project_key": "SRE"
  "issue_type": "Task"
  "summary": "AI自动创建：{{webhook_data.alert_summary}}"
  "description": "由AI分析生成的告警工单。\n原始告警内容：{{webhook_data.original_alert}}"
}

Warning: 确保Jira模块中的项目键（project_key）和问题类型（issue_type）与您的Jira实例配置相符。

这种AI自动化工作流Zapier与Make集成教程的实施，显著提升了SRE团队处理告警的响应速度和效率。通过AI自动化工作流搭建，可以减少误报干扰，使工程师能够专注于更复杂的故障排除任务。

References

• Zapier OpenAI Integration
• Make OpenAI Integration
• Prometheus Alertmanager Configuration