ITSM管理系统产品系统

本项目面向医疗行业IT运维场景，主要服务三甲医院信息科及第三方IT运维服务商。医院内部HIS、LIS、PACS、EMR等系统众多，告警、工单、日志分散，传统ITSM只能记录流程，无法辅助快速定位故障。立项旨在结合AI与ITSM数据，做只读故障分析，自动关联告警、工单和日志，辅助运维人员快速排错、沉淀知识，降低对资深工程师的依赖。业务背景：医疗IT要求高可用、低中断，但运维人力有限、响应压力大，需要轻量、不侵入、可快速部署的智能分析工具。

多源数据只读采集：对接医院现有监控、ITSM、日志平台，以只读方式采集告警、工单、日志和拓扑数据，不侵入生产环境。

智能告警关联降噪：对海量重复告警进行聚类、关联和收敛，自动定位同一故障链路上的关键告警，减少无效告警干扰。

AI故障根因分析：结合ITSM历史工单、实时告警和日志，利用大模型与检索增强生成（RAG）技术，自动给出可能根因、影响范围和排查建议。

实战排错辅助：在真实故障场景中辅助运维人员快速排错，缩短故障恢复时间，降低对资深工程师的依赖。

知识沉淀与复用：自动生成故障处理摘要，沉淀为可检索的运维知识库，供后续相似故障快速参考。

分析报告与可视化：展示故障链路、时间线和关联工单，帮助信息科和运维团队复盘与汇报。

我负责整体产品设计、核心AI分析模块开发及技术架构搭建。后端采用 JAVA,Python/FastAPI，前端 Vue，中间件Redis，Kafka，数据库:MySql,Clickhouse。AI 层基于 接入大语言模型，并结合日志解析、告警聚类和 RAG 检索增强。实现上先对告警、日志、工单做特征提取和多源对齐，再通过知识检索与推理生成故障分析结果。亮点：只读非侵入式接入、AI与ITSM数据深度融合、已在真实医院环境实战验证排错能力。难点：多源异构数据关联、模型幻觉抑制、低延迟分析与安全合规。