BLACKBOX

BLACKBOX是一个AI故障调查代理，以FalkorDB作为持久化运维知识图谱，将服务、依赖、告警、部署、Runbook、人员和历史复盘连接在同一张图中。

BLACKBOX在每次分析完成后将结构化发现（根因、受影响服务、解决方案、负责人和复盘知识）写回FalkorDB，形成反馈闭环。

BLACKBOX的设计区别于仅依赖向量检索的RAG方案：RAG召回文本片段，而运维知识图谱召回实体间的确定关系路径，后者在根因定位中具有更强的可解释性和精确性。

BLACKBOX区分冷调查与热调查：冷调查从告警出发遍历图谱发现相关上下文；热调查利用此前写入的复盘和发现召回已学知识，减少不必要的工具调用。

BLACKBOX包含一个面向故障响应的实时调查界面，前端流式传输代理进度并更新图可视化，展示当前活跃告警、因果路径、相关部署与PR、影响半径、负责人、推理事件和写回发现。

在BLACKBOX中，语言模型负责选择工具、解读图查询结果、归纳证据并生成故障解释，但图谱始终是运维事实的来源。

BLACKBOX内置确定性规划器作为兜底：当模型不可用或请求超出配置的工具预算时，系统仍可基于图谱按固定顺序执行核心图查询完成调查，且输出完全可复现。

BLACKBOX的下一步规划是接入实时可观测性、工单、部署和聊天系统，使图谱随服务变更和故障演进而保持最新。

BLACKBOX生产化还需要更强的访问控制、租户隔离、限流和更丰富的查询可观测性。

BLACKBOX开发强化的原则是：代理记忆只有在结构化且与它所操作的世界相连时，才最有价值。