Opslane - ferramenta que unifica mensagens de on-call para reduzir o estresse

• Usa LLM para classificar alertas entre acionáveis e ruído
  • Analisa o histórico de alertas e conversas no Slack para determinar se um alerta é acionável
  • Fornece informações contextuais para tratamento (insights e recursos adicionais), reduzindo a fadiga de alertas
• Funciona integrado ao Slack, analisa padrões de alertas e fornece relatórios semanais sobre os alertas do canal

Arquitetura modular

1. Coleta de alertas: o Datadog envia alertas para o servidor FastAPI via webhook
2. Servidor FastAPI: núcleo do sistema, processa os alertas recebidos, interage com o Slack e gerencia o fluxo de dados
3. Integração com Slack: fornece a interface de usuário para gerenciamento e interação com alertas
4. Banco de dados: usa Postgres e pgvector para armazenar dados de alertas e embeddings

Integrações

Com um modelo de dados flexível, é possível oferecer suporte a várias integrações. Atualmente, o Opslane oferece suporte ao Datadog

Resumo do GN⁺

• O Opslane é uma ferramenta que reduz a fadiga de alertas e classifica alertas acionáveis, tornando a experiência de on-call menos estressante
• Com integração ao Slack, ajuda no gerenciamento de alertas e no debugging, além de analisar a qualidade dos alertas por meio de relatórios semanais
• É oferecido como open source, aceita contribuições da comunidade e oferece suporte à integração com Datadog
• Ferramentas com funcionalidades semelhantes incluem PagerDuty e VictorOps.

[GN⁺]

Comentários no Hacker News

• Primeiro comentário: discute produtos que reduzem a fadiga de alertas ao classificar alertas como acionáveis ou ruído e fornecer informações de contexto para tratá-los

  • Isso mostra melhor o problema de empresas que não conseguem criar observabilidade útil
  • O produto é bem-vindo, mas espera-se que não destaque como principal argumento de venda o fato de viabilizar práticas culturais ruins
  • O setor de telecomunicações resolveu esse problema há 15 anos com a automação de Fault Management
  • Quando os alertas foram para o Slack, os dados viraram texto não estruturado, exigindo soluções complexas de filtragem

• Segundo comentário: expressa preocupação com o uso de LLMs não confiáveis para tarefas importantes

  • Espera que resolvam o problema original sem adicionar LLM

• Terceiro comentário: menciona que o fundador da All Quiet está desenvolvendo uma ferramenta que não usa LLM

  • Os usuários não querem que alertas importantes dependam de LLMs opacos
  • A IA pode ajudar com os sintomas, mas não resolve a causa raiz, que são problemas de observabilidade e de processo

• Quarto comentário: expressa preocupação com a filtragem da importância das notificações por meio de LLM

• Quinto comentário: acoplar a ferramenta de forma estreita ao Slack limita as plataformas que podem ser usadas

  • Existem outras plataformas de mensagens instantâneas
  • O problema mais amplo do uso de IM está sendo discutido em outra thread de comentários

• Sexto comentário: menciona ser um grande fã dessa direção

  • Expressa curiosidade sobre o bootstrapping inicial e o baseline contínuo
  • Informa que a equipe da Louie.AI está contratando para SE e cargos importantes

• Sétimo comentário: explica por que conhece os problemas do sistema de alertas no trabalho atual, mas não consegue resolvê-los

  • Não é possível desligar os alertas, nem identificar ou corrigir a causa raiz
  • Operar bem o on-call é uma questão cultural
  • Ferramentas técnicas não conseguem resolver problemas culturais
  • Para resolver problemas culturais, só resta procurar outro emprego ou aceitar a situação

• Oitavo comentário: parabeniza pela criação do produto e aponta que falta uma palavra no primeiro parágrafo

• Nono comentário: está procurando uma UI semelhante para alertas de negócios

  • Quer uma ferramenta que use fontes de dados como Snowflake/BigQuery
  • Menciona que as ferramentas usadas acabaram virando canais de Slack cheios de spam