IncidentBench：面向 AI 驱动的 Kubernetes 故障响应基准与评测平台

核心能力与快速开始

★ 0 · Python

能做什么

提供面向 AI 驱动的 Kubernetes 故障响应的基准与评测平台，具备可复现故障注入、基于证据的评分以及用于诊断、修复和学习的参考 Agent。可将故障响应转化为可运行的实验：部署微服务应用、生成用户流量、注入受控故障，并捕获故障响应系统如何调查和行动。评分器将 Agent 输出质量与观测到的应用行为结合，生成报告、时间线和应用对比。内置参考系统串联异常检测、根因分析、受控修复、验证与学习，并允许通过生命周期适配器接入其他响应系统，复用负载、故障场景、证据采集和评分流水线。包含跨三个微服务应用的 69 个配置场景，覆盖节点和 Pod 资源压力、网络故障和容量损失。每次运行保留解析后的输入、应用的混沌清单、放置指纹、遥测数据、生命周期日志以及导出的 Agent 会话和工具调用审计。

适用场景

用于对 AI 驱动的 Kubernetes 故障响应系统进行可复现的评测与对比，包括：演练完整的故障响应工作流，从应用症状到检测、调查、修复和事后验证；运行可重复实验，使用版本化 JSON 场景定义应用、放置、流量、故障计划和响应系统生命周期；在多个应用和故障族上测试，覆盖节点与 Pod 资源压力、网络故障和容量损失；检查结果背后的证据，包括解析输入、混沌清单、放置指纹、遥测、生命周期日志和 Agent 会话；对比诊断、修复和服务行为，评估评分最大值与均值、会话数、响应时间、延迟和错误变化；通过 shell 集成替换内置 Agent，评估自有的响应系统，或添加应用、故障场景、负载形态和评分资源。

项目形态

开发框架

部署方式

未说明。README 提到需要专用评测集群，内置场景假设存在一个控制平面节点、一个标记为 role=tools 的工具节点以及六个名为 worker-node-1 到 worker-node-6、标记为 role=services 的服务工作节点，并可通过修改 inventory、节点 IP 映射、应用放置 overlay 和混沌选择器适配其他拓扑。构建和部署需要显式的 IMAGE_REGISTRY 和 IMAGE_TAG，并需 Docker Buildx 与具有推送权限的镜像仓库登录。具体硬件与资源要求未说明。

主要依赖

未说明。README 提到需要安装 EvaluationPlatform/Runner/requirements.txt，以及 kubectl、Helm 和 SSH；Grader 有独立 requirements.txt；构建镜像需要 Docker Buildx 和具有推送权限的镜像仓库登录；部署需要 Ansible 等初始化步骤。具体版本、硬件配置、许可与成本未说明。

使用限制

未说明。README 提到内置场景假设特定的集群拓扑，其他拓扑需要同步调整 inventory、节点 IP 映射、应用放置 overlay 和混沌选择器；真实的内置运行会清除所有解决方案工作流与课程数据、重建应用命名空间并注入故障，因此需要使用专用评测集群，且运行是串行的；镜像不会自动发布；完整的研究归档和评分结果被有意排除在 Git 之外；示例 fixture 中的分数仅用于演示，并非研究结果。许可信息未说明。

许可证

未说明

最近推送

2026-10-13 11:24

资料检查：2026-10-14 07:00 · 卡片整理：2026-10-17 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证