🔥 RunbookHermes：AI 驱动的自动化事件响应系统

一个基于 Hermes Agent 的 AIOps 代理，证据驱动的事件响应、审批门控的修复操作、运行手册学习，让运维团队从告警疲劳中解放出来。

核心定位：不是另一个监控仪表板，而是 Hermes Agent 原生的 AIOps 扩展层，让 AI 真正落地企业级事件响应

---

🚀 什么是 RunbookHermes？

RunbookHermes 是一个基于 Hermes Agent 的 AIOps 代理，专注于企业级事件响应自动化。它不是一个独立的监控工具，而是作为 Hermes Agent 的原生垂直扩展存在。

核心技术栈: 87.2% Python, 8.5% TypeScript
开源协议: MIT
GitHub 仓库: Tommy-yw/RunbookHermes

三大核心价值

1. 证据驱动的事件响应

不是盲目执行，而是从 Prometheus 指标、Loki 日志、Jaeger 追踪、部署记录等多源收集证据，构建完整的问题上下文。

2. 审批门控的修复操作

高风险操作必须经过策略检查→审批→检查点→干运行→执行→验证→审计的完整流程，确保生产安全。

3. 运行手册学习

将每次事件处理经验转化为可复用的运行手册技能，让团队能力持续积累。

---

✨ 核心功能一览

IncidentMemory 领域记忆

RunbookHermes 的核心创新之一是 IncidentMemory——领域特定的记忆提供者，记录服务配置、团队偏好、事件总结等关键信息。

功能说明: 将分散的事件经验转化为结构化知识，新成员也能快速上手故障排查。

输入: 历史事件记录、服务配置信息、团队偏好设置

输出: 可查询的记忆知识库、相似事件推荐、排查建议

适用场景:

• 新成员快速熟悉系统架构
• 重复性问题快速定位
• 运维知识沉淀与传承

EvidenceStack 上下文引擎

证据收集不是随意的，而是遵循严格的逻辑链条：alert 总结→关键证据→假设→行动计划→最终答案。

功能说明: 自动化组装多源证据，形成完整的问题分析链。

证据来源:

• Prometheus 指标异常
• Loki 日志错误
• Jaeger 追踪链路
• 部署记录变更

审批门控执行

所有的写操作和破坏性操作必须经过审批，这是 RunbookHermes 与"裸奔"AI Agent 的最大区别。

审批流程:

1. 策略检查 (Policy Check): 确认操作符合安全策略
2. 人工审批 (Human Approval): 关键操作需管理员确认
3. 检查点设置 (Checkpoint): 执行前保存可回滚状态
4. 干运行 (Dry Run): 在不影响生产环境的情况下预演
5. 执行 (Execute): 真正执行修复操作
6. 验证 (Verification): 确认问题已解决
7. 审计 (Audit): 完整记录操作日志

---

🛠️ 快速上手：5 分钟跑通示例

安装依赖

# 克隆仓库
git clone https://github.com/Tommy-yw/RunbookHermes.git
cd RunbookHermes

# 安装依赖
pip install -r requirements.txt

启动本地参考环境

首先使用内置的支付系统参考环境进行验证：

# 进入 demo 目录
cd demo/payment_system

# 启动 Docker 环境
docker compose up --build

# 配置环境变量
set OBS_BACKEND=real
set DEPLOY_BACKEND=demo_file
set TRACE_BACKEND=jaeger
set PROMETHEUS_BASE_URL=http://127.0.0.1:9090
set LOKI_BASE_URL=http://127.0.0.1:3100
set TRACE_BASE_URL=http://127.0.0.1:16686
set RUNBOOK_CONTROLLED_EXECUTION_ENABLED=true

启动 Web API

# 启动 Web API 服务
python -m uvicorn apps.runbook_api.app.main:app --host 127.0.0.1 --port 8000

然后访问以下页面：

• 控制平面: http://127.0.0.1:8000/web/index.html
• 监控仪表板: http://127.0.0.1:8000/web/monitoring.html
• 事件管理: http://127.0.0.1:8000/web/incidents.html
• 审批中心: http://127.0.0.1:8000/web/approvals.html

生成测试流量

# 触发支付系统错误
python scripts/generate_traffic.py --fault PAYMENT_503_AFTER_DEPLOY --requests 60

# 触发优惠券服务超时
python scripts/generate_traffic.py --fault COUPON_504_TIMEOUT --requests 40

# 触发订单服务限流
python scripts/generate_traffic.py --fault ORDER_429_RATE_LIMIT --requests 40

使用 CLI 交互

# 启动 Hermes CLI (使用 runbook-hermes 配置)
hermes --profile runbook-hermes

输入问题分析提示词：

"payment-service HTTP 503 在发布后出现错误。请首先收集证据，
然后解释最可能的根本原因并提出安全的行动计划。"

注意：生产环境必须配置模型提供商和观察性工具

---

💡 适用场景

场景 1：微服务架构事件管理

功能说明: 在微服务架构中，一个故障可能引发级联效应。RunbookHermes 通过拓扑视图和链路追踪快速定位真正的问题源头。

适用场景:

• 电商大促期间的高并发故障
• 微服务升级后的回归问题
• 第三方 API 异常导致的中断

场景 2：多源告警统一管理

功能说明: 企业通常使用多个告警渠道：Prometheus、Alertmanager、飞书、企业微信等。RunbookHermes 提供统一接入和标准化处理流程。

适用场景:

• 跨团队告警标准化
• 3x24 小时轮值值班
• 分级告警和升级机制

场景 3：运维知识积累

功能说明: 将每次事件处理过程总结为技能，新成员遇到问题时可以直接调用历史经验，避免重复踩坑。

适用场景:

• 团队成员流动导致知识流失
• 新人培训周期过长
• 复杂系统的故障诊断经验

场景 4：生产安全操作

功能说明: AI 驱动的自动修复必须遵循生产安全原则。RunbookHermes 提供完整的审批和回滚机制。

适用场景:

• 数据库紧急修复
• 服务熔断和降级
• 配置紧急回滚

用户群体总结

• ✅ 运维团队: 从告警疲劳中解放，专注于真正复杂的故障
• ✅ SRE 团队: 快速积累和传承运维知识
• ✅ DevOps 团队: 将运维经验反馈到开发流程
• ✅ 技术管理者: 完整的事件审计和数据分析
• ❌ 不适合: 没有观察性基础设施的小团队（需要 Prometheus/Loki/Jaeger）

---

📊 与竞品对比

RunbookHermes 的最大优势：在保持生产安全的前提下，最大程度自动化处理流程

---

💰 定价方案

开源版本: 完全免费，MIT 协议授权

生产化建议:

• 需要自部署基础设施 (Prometheus/Loki/Jaeger)
• 需要配置模型提供商 (OpenAI 兼容 API)
• 需要企业级数据库 (SQLite/MySQL/PostgreSQL)

💡 建议:中小团队直接从开源版本开始，按需投入基础设施成本

---

🎯 总结

RunbookHermes 代表了 AIOps 从概念验证到生产落地的关键一步：它不是要替代运维工程师，而是将工程师从重复性告警中解放，专注于真正的复杂问题。

推荐指数: ⭐⭐⭐⭐（满分 5 星）

优势总结:

1. 证据驱动: 不是盲目猜测，而是基于多源证据链
2. 安全门控: 生产操作必须经过审批流程
3. 知识积累: 每次事件都转化为团队能力
4. 开源灵活: MIT 协议，可自由定制

待完善:

• 生产级数据库支持 (目前使用 JSON 存储)
• 飞书/WeCom 回调验证
• RBAC 权限管理
• 生产模型提供商集成

适合人群:

• 拥有微服务架构的中大型团队
• 希望将运维知识系统化积累的组织
• 认可 AI 辅助但坚持安全门控的技术管理者

立即体验: RunbookHermes GitHub 仓库

---

数据截至 2026 年 5 月 6 日，最新信息请以官网为准。