半夜被报警叫醒的 SRE，先让 agent 看一眼

凌晨三点被报警短信叫醒，瞪着五块面板把日志、指标、链路追踪、运行手册和最近的部署记录在脑子里对齐，这是 SRE 二十年来的日常。Tracer-Cloud 开源的 OpenSRE 想把这个过程交给 agent 先过一遍：一个面向 AI SRE 的开源工具箱，GitHub 11.6k 星、1.7k fork、四千多次提交，Apache 2.0 协议，跑在你自己的基础设施上。

项目简介

OpenSRE 的定位有两层。表层是排障 agent：它跨日志、指标、追踪、运行手册与部署记录做证据驱动的推理，诊断结论带互链的根因证据，不是拍脑袋的猜测；处置建议结合运行手册生成，贴合团队既有的 SOP。深层是训练环境：作者明确把它对齐 SWE-bench 的空缺，要做基础设施事故响应的 RL 训练基准，这个赛道目前没有公认方案，谁先做起来谁就有定义权。仓库结构清晰，core、gateway、integrations、surfaces、infrastructure 各司其职，Python 项目用 uv 管依赖，mypy 与 ruff 把关，Docker 部署，工程味很正。需要说明的边界：项目处于 Public Alpha，API 可能变；遥测默认开启，介意的话设 OPENSRE_NO_TELEMETRY 环境变量关闭。

核心功能

证据处理之外有两个值得单独点的安全与成本设计。其一，可逆标识符脱敏：主机名、IP、用户标识在送外部 LLM 前先掩码，回到本地再还原，敏感拓扑不出域，这解决了排障 agent 在合规环境落地的最大障碍。其二，会话成本记账：每次排查烧了多少 token 实时可见，长会话可断点续跑。集成面覆盖 60 多个：Grafana、Datadog、Kubernetes、AWS、Slack、PagerDuty、MCP 等都在列，Linear、Notion、Teams、Confluence 在路线图上。模型完全自选，Anthropic、OpenAI、Gemini、Bedrock 或本地 Ollama 都能接。还有个小而实用的彩蛋：它能监控本机的 agent 舰队（Claude Code、Cursor、Codex），管基础设施的同时顺便管住帮你写代码的那批 agent。

快速上手

macOS 与 Linux 一条命令装好：

curl -fsSL https://install.opensre.com | bash -s -- -gh

Windows 用 PowerShell 对应脚本。交互模式直接敲 opensre 进 REPL，边问边下钻；接值班管道用无头模式一句话开工：

opensre ask "why is checkout-api slow?"

Python 侧走 bootstrap.embedded.start_embedded_session 起内嵌会话，把它编进自家运维平台当引擎用。

适合谁用

中小团队的 on-call 组是第一受益人：没有自建 AIOps 预算，但有多套监控栈要盯，OpenSRE 加自有模型钥匙就能起一个不知疲倦的一线排查员。有合规约束的企业看中脱敏设计，本地模型加可逆掩码的组合能过内部评审。两类人先别上车：追求 SLA 保障的团队注意这是社区项目无商业支持，Public Alpha 的 API 稳定性也要打折预期；重交易系统的一键修复场景仍应保持人在回路，agent 给证据与建议、人做最后决定，这个分工在当前阶段不该倒过来。