Opslane - Alat untuk mengurangi stres dengan menyatukan pesan on-call

 (github.com/opslane)
2 poin oleh GN⁺ 2024-07-29 | 1 komentar | Bagikan ke WhatsApp
  • Menggunakan LLM untuk mengklasifikasikan notifikasi menjadi yang dapat ditindaklanjuti dan kebisingan
    • Menganalisis riwayat notifikasi dan percakapan Slack untuk menentukan apakah notifikasi dapat ditindaklanjuti
    • Mengurangi kelelahan akibat notifikasi dengan menyediakan informasi kontekstual untuk penanganan (insight dan sumber daya tambahan)
  • Bekerja dengan integrasi Slack, menganalisis pola notifikasi, dan menyediakan laporan mingguan tentang notifikasi di kanal

Arsitektur modular

  1. Pengumpulan notifikasi: Datadog mengirim notifikasi ke server FastAPI melalui webhook
  2. Server FastAPI: Inti sistem, memproses notifikasi yang masuk, berinteraksi dengan Slack, dan mengelola aliran data
  3. Integrasi Slack: Menyediakan antarmuka pengguna untuk pengelolaan dan interaksi notifikasi
  4. Database: Menggunakan Postgres dan pgvector untuk menyimpan data notifikasi dan embedding

Integrasi

Dengan menggunakan model data yang fleksibel, dapat mendukung berbagai integrasi. Saat ini Opslane mendukung Datadog

Ringkasan GN⁺

  • Opslane adalah alat yang membuat pengalaman on-call lebih tidak membuat stres dengan mengurangi kelelahan notifikasi dan memilah notifikasi yang dapat ditindaklanjuti
  • Melalui integrasi dengan Slack, alat ini membantu pengelolaan notifikasi dan debugging, serta menganalisis kualitas notifikasi lewat laporan mingguan
  • Tersedia sebagai open source dan menyambut kontribusi komunitas, serta mendukung integrasi dengan Datadog
  • Alat dengan fungsi serupa antara lain PagerDuty dan VictorOps.

Bacaan terkait

1 komentar

 
GN⁺ 2024-07-29
Komentar Hacker News

  • Komentar pertama: Membahas produk yang mengurangi kelelahan akibat alert dengan menyediakan konteks untuk mengklasifikasikan dan menangani alert sebagai sesuatu yang bisa ditindaklanjuti atau sekadar kebisingan

    • Ini lebih menunjukkan masalah perusahaan yang gagal membangun observability yang benar-benar berguna
    • Produknya patut disambut, tetapi diharapkan tidak menonjolkan sebagai nilai jual utama sisi yang memungkinkan praktik budaya kerja yang buruk
    • Industri telekomunikasi sudah menyelesaikan masalah ini 15 tahun lalu melalui otomasi Fault Management
    • Saat alert berpindah ke Slack, datanya menjadi teks tidak terstruktur sehingga memerlukan solusi pemfilteran yang kompleks

  • Komentar kedua: Menyampaikan kekhawatiran tentang penggunaan LLM yang tidak andal untuk tugas penting

    • Berharap masalah aslinya diselesaikan tanpa menambahkan LLM

  • Komentar ketiga: Menyebutkan bahwa pendiri All Quiet sedang mengembangkan alat yang tidak menggunakan LLM

    • Pengguna tidak ingin alert penting bergantung pada LLM yang tidak transparan
    • AI bisa membantu gejalanya, tetapi tidak bisa menyelesaikan akar masalah berupa observability dan persoalan proses

  • Komentar keempat: Menyampaikan kekhawatiran tentang memfilter tingkat kepentingan notifikasi melalui LLM

  • Komentar kelima: Mengatakan bahwa mengikat alat ini terlalu erat ke Slack membatasi platform yang bisa digunakan

    • Masih ada platform pesan instan lain
    • Masalah yang lebih luas tentang penggunaan IM sedang dibahas di thread komentar lain

  • Komentar keenam: Menyebut dirinya sangat menyukai arah ini

    • Menyampaikan rasa penasaran tentang bootstrap awal dan baseline yang berkelanjutan
    • Memberi tahu bahwa tim Louie.AI sedang merekrut SE dan posisi-posisi kunci

  • Komentar ketujuh: Menjelaskan mengapa di tempat kerjanya saat ini ia mengetahui masalah pada sistem alert tetapi tidak bisa memperbaikinya

    • Tidak bisa mematikan alert, dan tidak bisa mengidentifikasi atau memperbaiki akar masalahnya
    • Menjalankan on-call dengan baik adalah masalah budaya
    • Alat teknis tidak bisa menyelesaikan masalah budaya
    • Untuk menyelesaikan masalah budaya, pilihannya hanya mencari pekerjaan lain atau menerima keadaan tersebut

  • Komentar kedelapan: Mengucapkan selamat atas pembuatan produk ini dan menunjukkan bahwa ada kata yang hilang di paragraf pertama

  • Komentar kesembilan: Sedang mencari UI serupa untuk alert bisnis

    • Menginginkan alat yang menggunakan sumber data seperti Snowflake/BigQuery
    • Menyebut bahwa alat-alat yang pernah digunakan akhirnya hanya menjadi channel Slack yang spammy