Skip to content

leizhuc/alauda_new

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

20 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Jira Insight Bot 🤖

Jira Insight Bot 是一个基于大模型驱动的敏捷研发辅助工具,专为产品经理(PM)和系统架构师设计。它能够自动抓取 Jira 中每天流转、解决的工单,并利用 AI 的深度阅读理解能力,从海量的研发讨论、报错日志和排查评论中,自动提炼出对产品迭代有高价值的改进建议

👉 项目 Git 地址: [https://github.com/leizhuc/alauda_new/tree/main]


🎯 解决的问题 (The Problem)

在大型云原生或企业级软件产品中,每天会产生大量的 Jira 工单(包括客户支持、缺陷报告、内部排查等)。产品经理通常面临以下痛点:

  1. 信息噪音极大:80% 的工单可能只是纯粹的运维操作(如重启 Pod、清理磁盘)、客户网络抖动、或者纯粹的个人配置失误。
  2. 错失优化良机:在剩下的 20% 工单中,隐藏着真正的产品缺陷(如:报错提示极其容易误导用户、默认参数设计不合理、某个表单缺少前置校验导致系统假死)。
  3. 精力分散:PM 无法每天逐行阅读研发人员长篇大论的代码级讨论和报错堆栈。

本工具完美解决了这一问题:它扮演了一位极其敏锐的“资深架构师”,自动滤除基础设施波动引发的噪音,一针见血地指出哪些问题需要落实到具体的 UI 交互改进或功能迭代上。


✨ 核心亮点 (Key Features)

  • 🧠 内置 PM/架构师人格:精心调优的 Prompt 能够准确区分“纯环境故障”与“产品交互缺陷”。
  • 🔄 全网大模型无缝切换:基于 litellm 底层,一键支持 OpenAI (ChatGPT)、Zhipu AI (智谱 GLM-4全系)、Google Gemini、DeepSeek、Groq 以及本地部署的 Ollama,丰俭由人。
  • 🛡️ 极致的鲁棒性 (Robustness)
    • 智能 JSON 提取:无视部分大模型(尤其是具备深度推理 Reasoning 能力的国产模型)喜欢在输出前后附加无关闲聊或 Markdown 标记的毛病,强力截取合法 JSON。
    • 优雅降级:当遇到不可抗力的网络断流或模型输出截断时,单条工单会优雅 fallback,绝不会导致整个分析任务崩溃断头。
    • 动态清洗:抓取 Jira 数据时,自动过滤短评(如 "ok")和机器人工单(Gitlab/Jenkins 自动回复),大幅节省 Token 消耗。
  • 🌐 极其友好的网络适配:UI 层直接暴露代理配置和自定义 API Base URL(完美支持国内中转 API 以及突破企业内网限制,实现了精准的“访问 Jira 不走代理,访问国外 LLM 走代理”的分流路由)。
  • 🔒 数据隐私优先:采用 Streamlit 纯本地化运行架构,无需上传凭据至任何云端,极度适合具有保密要求的企业内部网络。

🛠️ 技术栈 (Tech Stack)

  • 前端/交互: Streamlit (纯 Python 构建的现代数据应用框架)
  • 大模型网关: LiteLLM (统一不同 LLM 厂商的 API 调用标准)
  • 工单集成: jira (官方 Jira Python SDK,兼容 Server/Data Center 和 Cloud 版)
  • 数据结构约束: Pydantic & 原生 json 解析
  • 环境要求: Python 3.9+

🚀 使用方法 (How to Use)

1. 环境准备

克隆本项目到本地后,建议创建一个 Python 虚拟环境并激活:

git clone <your-repo-url>
cd alauda_new
python3 -m venv venv
source venv/bin/activate  # Windows 用户请使用 venv\Scripts\activate

2. 安装依赖

# 由于 urllib3 版本与 Mac 自带 LibreSSL 的兼容问题,此项目已锁定安全的 1.x 版本
pip install -r requirements.txt

3. 配置凭据 (可选但推荐)

您可以将根目录下的 .env.example 复制一份重命名为 .env,并在其中填入默认的 Jira 凭据和各种大模型 API Key。 注:即使不填,您也可以在启动后的网页侧边栏中随时手动输入并覆盖。

cp .env.example .env

4. 启动应用

streamlit run app.py

运行后,浏览器将自动打开 http://localhost:8501

5. 开始智能分析

  1. 在左侧边栏确认您的 Jira 认证信息 (支持内网地址及账号密码/Token)。
  2. 选择您心仪的 大模型提供商 (如选用 OpenAI 或智谱并填入相应的 Key)。
  3. (可选) 如果您的网络无法直连外部接口,在网络配置栏填入本地翻墙代理(如 http://127.0.0.1:7890)。
  4. 查询配置 中输入符合您业务诉求的 JQL (例如:project = 'AIT' ORDER BY updated DESC)。
  5. 点击主界面的 “🚀 开始拉取工单并分析”
  6. 喝杯咖啡,查看大模型在右侧生成的 “🔥 产品优化洞察看板”

Built with ❤️ via Vibe Coding

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages