Dynatrace KiroCrew app：Dynatrace 问题的看板式分诊控制台

dynatrace-oss/dynatrace-kirocrew-app

GitHub原文发布未知首次收录 2026-09-25上架 2026-09-25 07:01

ELI5：它是什么，解决什么问题

这是 Dynatrace 的看板式控制塔应用，提供只读视图，按生命周期泳道（New、Ongoing、Under maintenance、Recently closed）对 problems 进行分诊，并按健康状态（Unhealthy、Watch、Healthy）分组展示 services 和 applications。默认的 Smart 排序由 KiroCrew agent（dynatrace-smart-rank cron，每 15 分钟运行）根据类别权重、影响范围、根因存在性、持续时间、复发情况以及环境记忆对活跃问题卡片按分诊紧急度排序，并在卡片上展示排名与一行理由；同时也提供按严重程度、最新、影响最多、运行最久等确定性排序。应用本身只读，不会关闭问题或改变 Dynatrace 状态，需要执行的动作会跳转到 Dynatrace 或交给 KiroCrew agent。

# 应用工具 # 运维责任 # 基础设施 # Kiro Crew # Agent 与自动化

核心能力与快速开始

★ 1 · TypeScript

能做什么: 以看板（Kanban）形式对 Dynatrace 的 problems 按生命周期泳道分诊，并将 services 与 applications 按健康状态分组展示；通过关联活跃问题与受影响实体推导健康状态；提供 Smart 排序（由 dynatrace-smart-rank cron 每 15 分钟基于类别权重、影响范围、根因存在性、持续时间、复发情况和环境记忆生成排名与一行理由）以及 Severity、Newest、Most affected、Longest running 等确定性排序；无最新排名时回退到 Severity 并显示 "Smart ranking pending"；包含详情抽屉，展示完整问题记录、跳转 Dynatrace Problems 应用的深链接，以及 Investigate、Summarize for standup 等 agent 交接动作；只读，不关闭问题或改变 Dynatrace 状态。
适用场景: 用于运维/SRE 团队对 Dynatrace 中的活跃问题进行分诊和优先级排序；按生命周期泳道跟踪问题的处理进展；按健康状态快速查看 services 和 applications；在站会前生成摘要或将调查任务交接给 KiroCrew agent；在没有可用凭证时使用内置 demo 数据集体验界面。
项目形态: 可直接使用的工具
部署方式: 通过 kirocrew app install 安装并 enable/restart 运行；UI 开发时可用 kirocrew app dev dynatrace 热重载。
主要依赖: 需要 dtctl 在 PATH 中（或通过 DTCTL_BIN 指定）；凭证按顺序解析：DT_ACCESS_TOKEN 与 DT_ENVIRONMENT_URL 环境变量、已有 dtctl context（dtctl auth login，OAuth 存于操作系统密钥环）、或在应用 Settings 中粘贴的 token（以 0600 权限存放于应用数据目录）。若均无法解析，则运行在内置 demo 数据集上。构建需 Node.js（ui 目录 npm install && npm run build）。
使用限制: 应用为只读，不会关闭问题或改变任何 Dynatrace 状态；Smart 排序依赖每 15 分钟的 cron 刷新，无最新排名时回退到 Severity 排序；未说明 API 成本、硬件要求及其他部署限制。
许可证: Apache-2.0
最近推送: 2026-09-09 16:45

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-25 07:00 · 卡片整理：2026-09-25 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

Frametell：用 AI 导演代理将想法与素材转化为解说视频

Frametell（帧言）是一个本地优先的 AI 视频创作工具：输入一句话、笔记、PDF、幻灯片或图片，由导演代理先生成分镜脚本供用户确认，再撰写旁白、合成语音、绘制页面并自检，最终输出带字幕的 1080p MP4 视频。它基于成熟的视频引擎，风格、组件和镜头运动由代理驱动，而非从零生成视频；支持 Anthropic、OpenAI、Google、DeepSeek、OpenRouter 等模型或兼容端点，素材与 API 密钥保留在本地。

agent-skills：为编码 Agent 提供基于真实故障经验的可复用技能集

agent-skills 是一组面向编码智能体（主要为 Claude Code，格式为带 YAML frontmatter 的 Markdown，多数 Agent 框架可读取）的技能集合，每个技能都源于生产环境中反复出现的具体失败。技能覆盖无人值守运行与分诊、PR 评论线程审计、对抗式审查、审查分诊、Agent 编排、任务启动、代码质量、缺陷核查、语音记录与开源贡献等场景，强调用工具而非提示词强制执行约束、为质量循环设置成本刹车、区分主张与证据、明确标注未验证结论，并在权限问题上失败关闭。

autoresearch：让 AI Agent 自主迭代单 GPU 上的 nanochat 训练实验

autoresearch 提供一个可自主运行的 LLM 训练研究循环：给 AI Agent 一个精简版单 GPU nanochat 训练环境，Agent 自动修改 train.py、训练 5 分钟后以 val_bpb 评估结果并决定保留或丢弃，不断重复，从而在夜间无人干预地积累实验日志并可能得到更好的模型。仓库刻意保持精简，只有 prepare.py（数据准备与运行时工具，不改动）、train.py（Agent 修改的模型、优化器与训练循环）和 program.md（供人类为 Agent 编写研究指令）三个核心文件。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。