hertzbeat
hertzbeat copied to clipboard
apache
[Feature] 建议 HertzBeat 引入内嵌 AI 模型，并支持基于本地监控数据进行"自训练"
Feature Request
目前的 HertzBeat AI 功能主要还是作为一个“客户端”去调用外部的大模型 API（如 OpenAI）或者连本地的 Ollama。 痛点在于：
门槛高：用户还得自己折腾外部模型或 API Key。
不够懂业务：外部模型不知道我系统平时的各项指标基线（Baseline）是什么样，只能回答通用问题，很难做到真正的“预测”和“深层分析”。
Is your feature request related to a problem? Please describe
NO
Describe the solution you'd like
我建议把 AI 的集成做得更“原生”一些，不再只是一个对话框，而是变成系统的“大脑”。具体想法如下：
- 提供一个官方的“内嵌模型” (Built-in Model) 不要让用户非得去配 API。HertzBeat 可以考虑集成一个经过预训练/微调的轻量级模型（作为可选组件）。
实现方式：做成一个独立的 Module。如果用户机器有 GPU/NPU 资源，勾选开启就能用；如果没有，就默认关闭，不影响主程序性能。
好处：开箱即用，对小白用户非常友好，而且能保证模型输出的格式是 HertzBeat 肯定能读懂的。
- 监控数据的“结构化”与“资产化” 现在的监控数据（CPU、内存、流量、IO 等）存下来主要就是为了画图和报警。 建议开发一套机制，定期把这些原始指标转化成适合 AI 训练的结构化数据。
比如：自动整理过去一周的波峰波谷数据、报错频率、资源增长曲线。
这不仅是存日志，而是把数据变成 AI 的“教材”。
- 支持本地“自训练”与趋势预测 (Auto-Train) 有了上面的结构化数据和内嵌模型，HertzBeat 就应该具备主动学习的能力。
场景举例：系统自动根据我过去半年的数据训练，发现我的磁盘虽然现在没满，但按照最近 3 个月的增长斜率，下个月必满。
差异化对比：AI 可以自动分析“今年双11”和“去年双11”的各项指标差异，直接给出报告，而不是让人去一张张翻图表。
Describe alternatives you've considered
No response
Additional context
现在的监控工具大多停留在“出事了报警”，但我认为 HertzBeat 既然定位全链路，完全有机会做到“出事针对性预判”。 通过 内嵌模型 + 本地数据清洗 + 自动训练 这套组合拳，可以让 HertzBeat 真正拥有分析业务特性的能力，变成一个 AIOps 平台。
