基于多智能体的故障根因分析方法及系统与流程

本技术涉及故障分析，尤其涉及一种基于多智能体的故障根因分析方法及系统。

背景技术：

1、云原生与分布式架构广泛普及的背景下，企业it系统普遍采用微服务、容器化、动态编排等技术栈，系统组件数量呈指数级增长，服务间调用关系高度交错。故障发生时，单一故障源引发的异常信号经由服务调用链传导后，会在多个系统层级产生不同的异常表征，运维人员需要在海量异构数据中快速定位故障根因，同时面临系统拓扑动态变化、监控数据分散存储于多个异构平台等现实约束。

2、现有采用多智能体（agent）协同架构的故障根因分析方案中，多个智能体通常为同质化的大语言模型设计，各自挂载相似的知识库与工具集，智能体间的协作策略为静态预设路由或固定顺序的流水线调度，所有智能体在每次分析任务中均被顺序激活并执行全量分析流程。然而，由于实际故障的影响范围通常仅涉及有限的技术领域，全量激活会导致所有智能体的大量无效调用与计算资源浪费，分析延迟显著增加。同时，由于全量激活下各智能体输出结论以同等权重参与汇总，导致真正根因所在领域的有效结论未能获得应有的关注度，进而影响最终故障根因分析结论的可靠性。

技术实现思路

1、本技术的主要目的在于提供一种基于多智能体的故障根因分析方法及系统，旨在解决现有的采用多智能体的故障根因分析方案中所有智能体在每次分析任务中均被顺序激活并执行全量分析流程，导致分析效率低下且最终故障根因分析结论的可靠性较低的技术问题。

2、为实现上述目的，本技术提出一种基于多智能体的故障根因分析方法，所述方法包括：

3、在接收到故障事件数据时，通过主控智能体提取所述故障事件数据对应的全局特征信息，并基于所述全局特征信息确定待调用的至少一个目标领域智能体以及对应的领域分析指令；

4、调用所述目标领域智能体，并通过所述目标领域智能体根据所述领域分析指令执行目标领域的故障分析操作，获得对应的领域根因结论；

5、通过所述主控智能体整合全部所述领域根因结论，获得候选根因集合，所述候选根因集合中包括若干候选故障根因；

6、通过仲裁智能体对各所述候选故障根因按照预设多维评估策略进行评分，根据评分结果确定目标故障根因。

7、在一实施例中，所述通过主控智能体提取所述故障事件数据对应的全局特征信息，并基于所述全局特征信息确定待调用的至少一个目标领域智能体以及对应的领域分析指令的步骤，包括：

8、通过所述主控智能体对所述故障事件数据进行不同维度的关键字段提取，获得关键字段信息，并将各所述关键字段信息进行组合，获得全局特征信息；

9、通过所述主控智能体将所述全局特征信息与领域分类映射条件进行匹配，获得各候选领域类型的匹配优先级排序，各所述候选领域类型维护有对应的领域智能体；

10、通过所述主控智能体根据所述匹配优先级排序选择至少一个所述目标领域智能体，并针对被选择的各所述目标领域智能体分别生成对应的所述领域分析指令。

11、在一实施例中，所述通过所述目标领域智能体根据所述领域分析指令执行目标领域的故障分析操作，获得对应的领域根因结论的步骤，包括：

12、通过所述目标领域智能体从所述领域分析指令中提取目标领域对应的实体信息；

13、通过所述目标领域智能体根据所述实体信息调用对应的数据获取接口，获取所述故障事件数据所属时间区间内的实时运行数据；

14、通过所述目标领域智能体根据所述实时运行数据匹配专家规则库，获得规则命中信息；

15、通过所述目标领域智能体根据所述实时运行数据检索历史案例库，获得案例召回信息；

16、通过所述目标领域智能体根据所述规则命中信息和所述案例召回信息生成所述领域根因结论，所述领域根因结论包含候选故障根因、局部传导路径和置信度评分。

17、在一实施例中，所述通过所述目标领域智能体根据所述实时运行数据匹配专家规则库，获得规则命中信息的步骤，包括：

18、通过所述目标领域智能体将所述实时运行数据与所述专家规则库中的规则条件进行逐项比对，当所述实时运行数据满足任一规则条件时，将所述规则条件对应的规则标识和规则权重记录为所述规则命中信息；

19、所述通过所述目标领域智能体根据所述实时运行数据检索历史案例库，获得案例召回信息的步骤，包括：

20、通过所述目标领域智能体将所述故障事件数据以及所述实时运行数据转换为向量表示，以所述向量表示作为检索特征在所述历史案例库中进行相似度检索，获取相似度排序在预设名次以内的至少一个历史案例及其对应的历史根因信息作为所述案例召回信息。

21、在一实施例中，所述通过仲裁智能体对各所述候选故障根因按照预设多维评估策略进行评分，根据评分结果确定目标故障根因的步骤，包括：

22、通过所述仲裁智能体对各所述候选故障根因与所述故障事件数据的发生时间进行时序对齐评估，根据时序对齐评估结果剔除时序偏离的候选故障根因；

23、通过所述仲裁智能体对经时序对齐评估后保留的各所述候选故障根因进行历史案例置信度评估，获得各候选故障根因的第一置信度评分；

24、通过所述仲裁智能体对经时序对齐评估后保留的各所述候选故障根因进行专家规则置信度评估，获得各候选故障根因的第二置信度评分；

25、通过所述仲裁智能体根据所述第一置信度评分和所述第二置信度评分对各所述候选故障根因进行多维加权融合计算，将加权融合计算结果满足预设阈值条件的候选故障根因确定为所述目标故障根因。

26、在一实施例中，所述通过所述仲裁智能体对各所述候选故障根因与所述故障事件数据的发生时间进行时序对齐评估，根据时序对齐评估结果剔除时序偏离的候选故障根因的步骤，包括：

27、通过所述仲裁智能体获取所述故障事件数据中主故障告警事件对应的第一时刻，并获取各所述候选故障根因对应的第二时刻；

28、通过所述仲裁智能体计算各所述第二时刻与所述第一时刻之间的时间差值；

29、通过所述仲裁智能体将所述时间差值代入预设指数衰减函数以映射为时序对齐度评分，将所述时序对齐度评分低于预设阈值的候选故障根因确定为时序偏离项并剔除。

30、在一实施例中，所述通过所述仲裁智能体对经时序对齐评估后保留的各所述候选故障根因进行历史案例置信度评估，获得各候选故障根因的第一置信度评分的步骤，包括：

31、通过所述仲裁智能体以各所述候选故障根因作为检索条件查询历史案例库，获取各候选故障根因对应的历史案例召回结果；

32、通过所述仲裁智能体根据各所述历史案例召回结果生成各候选故障根因的第一置信度评分。

33、在一实施例中，所述通过所述仲裁智能体对经时序对齐评估后保留的各所述候选故障根因进行专家规则置信度评估，获得各候选故障根因的第二置信度评分的步骤，包括：

34、通过所述仲裁智能体将各所述候选故障根因与预置专家规则库中的规则条件进行匹配，确定各候选故障根因命中的规则信息；

35、通过所述仲裁智能体根据各所述候选故障根因命中的规则信息生成各候选故障根因的第二置信度评分。

36、在一实施例中，所述通过所述仲裁智能体根据所述第一置信度评分和所述第二置信度评分对各所述候选故障根因进行多维加权融合计算，将加权融合计算结果满足预设阈值条件的候选故障根因确定为所述目标故障根因的步骤，包括：

37、通过所述仲裁智能体获取各所述候选故障根因在故障传导拓扑中的位置层级，根据所述位置层级确定各候选故障根因的路径权重得分；

38、通过所述仲裁智能体获取经时序对齐评估得到的各候选故障根因的时序对齐度评分；

39、通过所述仲裁智能体计算各所述候选故障根因与所述故障事件数据之间的语义相关度评分；

40、通过所述仲裁智能体按照所述路径权重得分、所述时序对齐度评分、所述语义相关度评分、所述第一置信度评分和所述第二置信度评分分别对应的预设权重系数进行加权求和，获得各所述候选故障根因的综合得分；

41、通过所述仲裁智能体将所述综合得分最高的候选故障根因确定为所述目标故障根因，并输出所述目标故障根因及其对应的传导路径和置信度评分。

42、此外，为实现上述目的，本技术还提出一种基于多智能体的故障根因分析系统，所述系统包括：

43、主控协调层，用于在接收到故障事件数据时，通过主控智能体提取所述故障事件数据对应的全局特征信息，并基于所述全局特征信息确定待调用的至少一个目标领域智能体以及对应的领域分析指令；

44、领域专项分析层，用于调用所述目标领域智能体，并通过所述目标领域智能体根据所述领域分析指令执行目标领域的故障分析操作，获得对应的领域根因结论；

45、所述主控协调层，用于通过所述主控智能体整合全部所述领域根因结论，获得候选根因集合，所述候选根因集合中包括若干候选故障根因；

46、根因仲裁决策层，用于通过仲裁智能体对各所述候选故障根因按照预设多维评估策略进行评分，根据评分结果确定目标故障根因。

47、本技术公开一种基于多智能体的故障根因分析方法及系统，该方法包括：在接收到故障事件数据时，通过主控智能体提取故障事件数据对应的全局特征信息，并基于全局特征信息确定待调用的至少一个目标领域智能体以及对应的领域分析指令；调用目标领域智能体，并通过目标领域智能体根据领域分析指令执行目标领域的故障分析操作，获得对应的领域根因结论；通过主控智能体整合全部领域根因结论，获得候选根因集合，候选根因集合中包括若干候选故障根因；通过仲裁智能体对各候选故障根因按照预设多维评估策略进行评分，根据评分结果确定目标故障根因。

48、本技术通过主控智能体根据故障事件数据的全局特征信息动态确定待调用的目标领域智能体，而非激活全部领域智能体执行全量分析，从而减少了无关领域的无效分析操作，降低了系统计算资源消耗，同时缩短了故障分析的整体耗时。各目标领域智能体仅针对自身所属领域执行故障分析，避免了单一模型在跨领域分析时因知识广度与深度的矛盾导致的结论偏差；最后由主控智能体将全部领域根因结论汇聚为候选根因集合，仲裁智能体进一步对候选根因进行多维评估与评分以确定目标故障根因，使得各领域分析结论能够在统一评估框架下被独立验证与综合比较。由此，本技术实现了故障分析过程中分析范围与分析深度的兼顾，同时通过多维评分机制提升了目标故障根因分析结论的可靠性。