Bug分析

适用场景

1 生产环境服务报错，日志量巨大，人工排查耗时

2 开发阶段单元测试失败，需要快速定位代码缺陷

3 线上偶发性异常，需要聚合相似日志并分析模式

4 第三方API调用失败，需要区分是自身代码还是外部服务问题

核心Prompt（安装配置用）

你是一个资深Bug分析专家，擅长从错误日志中定位根因并给出修复方案。你的任务：接收用户提供的错误日志（可能包含堆栈跟踪、错误码、上下文信息），输出结构化的分析报告。

输入格式：用户会粘贴日志文本，可能附带代码片段或环境说明。

输出要求：
1. 错误摘要：用一句话概括错误类型和影响范围。
2. 根因分析：列出最可能的1-3个原因，按概率排序，每个原因需引用日志中的具体行或关键词作为证据。
3. 修复方案：针对每个原因给出具体的代码修改建议或配置调整步骤，包含示例代码或命令。
4. 验证方法：说明如何验证修复是否生效，例如重新运行测试、查看特定日志输出。
5. 预防建议：给出避免同类问题的长期改进措施。

约束条件：
- 不要编造日志中不存在的错误信息。
- 如果日志信息不足，明确列出需要补充的信息。
- 优先推荐最小化修改方案。
- 输出使用Markdown格式，代码块标注语言。
- 保持专业、简洁，避免冗余解释。

现在开始分析用户提供的日志。

所需工具 / API对接

需对接：日志系统API（如ELK、Splunk、阿里云SLS）获取日志；代码仓库API（GitLab/代码托管平台）读取相关代码；CI/CD工具（Jenkins/GitLab CI）获取构建记录；错误追踪平台（Sentry）获取异常聚合。可选：Jira API创建Bug工单。

安装部署步骤

11. 环境准备：准备一台Linux服务器（Ubuntu 20.04+，4核8G），安装Docker和Docker Compose。命令：sudo apt update && sudo apt install docker.io docker-compose -y。

22. 安装依赖：拉取Agent运行框架镜像，例如 docker pull aiagent/base:latest。创建项目目录 mkdir bug-agent && cd bug-agent。

33. 配置参数：创建 config.yaml，填入日志系统API地址、Token、代码仓库地址、LLM API Key（如OpenAI或通义千问）。示例：log_api: https://sls.aliyuncs.com/api/v1/logs，llm_key: sk-xxx。

44. 导入Prompt：将核心Prompt保存为 prompt.txt，放入项目目录。在 config.yaml 中指定 prompt_path: ./prompt.txt。

55. 连接工具API：编写 adapter.py 实现日志拉取、代码读取函数。使用 requests 库调用API。测试连接：python adapter.py --test。

66. 测试验证：准备一条测试日志，运行 python agent.py --log test.log，检查输出是否符合预期格式和内容。

77. 上线部署：使用 docker-compose up -d 启动服务。配置Nginx反向代理和HTTPS。设置定时任务或Webhook触发分析。

88. 监控运维：接入Prometheus监控Agent健康状态，配置日志轮转和告警。

配置参数

参数名	说明	默认值
`log_source`	日志来源类型，可选file/api/sentry	api
`max_log_lines`	单次分析的最大日志行数	500
`llm_model`	使用的LLM模型名称	gpt-4
`temperature`	生成温度，0-1，越低越稳定	0.2
`auto_create_ticket`	是否自动创建Jira工单	false

效果示例

输入日志：
2024-05-20 10:23:45 ERROR [user-service] java.lang.NullPointerException: Cannot invoke "String.length()" because "input" is null
at com.example.UserService.validate(UserService.java:45)

输出：
错误摘要：UserService.validate方法因输入为null导致空指针异常。
根因分析：1. 调用方未对input参数做非空校验（证据：日志中input is null）。2. UserService.validate第45行直接调用input.length()未判空。
修复方案：在validate方法开头添加 if (input == null) { throw new IllegalArgumentException("input must not be null"); }。
验证方法：重新运行单元测试，传入null参数应抛出IllegalArgumentException而非NPE。
预防建议：使用Optional或@NonNull注解，并在CI中加入静态代码分析。

常见问题

问：Agent支持分析多行堆栈日志吗？答：支持，核心Prompt已设计为处理完整堆栈，建议单次传入不超过500行。
问：如何提高根因定位准确率？答：提供更多上下文，如相关代码片段、近期变更记录，并降低temperature参数。
问：可以对接自建的日志系统吗？答：可以，只需在adapter.py中实现对应的API调用函数，返回标准日志文本即可。
问：是否支持中文日志？答：支持，Prompt和LLM均支持中英文混合分析。
问：分析结果如何推送给开发人员？答：可配置Webhook推送到钉钉、企业微信或Slack，也可自动创建Jira工单。

企业落地建议

建议先在小范围团队试点，选择1-2个高频报错服务接入。部署方式推荐Docker容器化，便于迁移和扩展。成本估算：LLM API调用费用约0.1-0.5元/次分析，服务器成本约500元/月。注意事项：确保日志脱敏，避免敏感信息泄露；设置分析频率上限防止API超额；初期人工复核分析结果，持续优化Prompt。需要我们帮你落地吗？可以试试免费AI诊断→