SRE内部实践：利用Zapier与Make构建AI自动化工单处理流 (V1.0, 2024-11-15)

TL;DR: 本文档旨在指导SRE团队成员利用Zapier和Make（原Integromat）平台，集成AI服务（如Gemini API），以自动化处理传入的SRE工单。核心流程包括：接收工单 -> AI分类/摘要 -> 触发相应操作。重点关注Webhook配置、API密钥管理及错误处理。

1. 前提条件

在开始配置之前，确保以下条件已满足：

本节详细说明如何在Zapier中构建一个自动化流程，将接收到的工单内容发送给AI进行分类，并根据AI的输出执行后续操作。

选择您的工单系统作为触发器。这里以Jira Service Management为例。

登录Zapier，点击“Create Zap”。
选择“Jira Service Management”作为触发应用。
Trigger Event: New Request Created
Expected Output: Zapier will prompt for Jira Service Management account connection.
连接Jira Service Management账户，并选择对应的Service Desk和Request Type。
Choose app & event: Jira Service Management -> New Request Created Choose account: [Your Jira Account] Customize Request: Service Desk -> [Your Service Desk Name], Request Type -> [e.g., General Support]
Expected Output: Zapier fetches sample requests for testing.

利用Zapier的“Webhooks by Zapier”或“Code by Zapier”功能调用AI服务。

添加一个Action Step，选择“Webhooks by Zapier”。
Action Event: POST
配置POST请求以调用Gemini API。假设您已了解Google AI怎么用以及Gemini API的请求结构。
URL: https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key=[YOUR_GEMINI_API_KEY] Payload Type: Json Data:
```
{
  "contents": [
    {
      "parts": [
        {
          "text": "请将以下工单内容分类为'网络问题', '服务器故障', '软件Bug'或'其他', 并返回唯一的分类名称。工单内容：{{1.Summary}} - {{1.Description}}"
        }
      ]
    }
  ]
}
```
Headers: Content-Type: application/json

Expected Output: Gemini API返回包含分类结果的JSON响应。

Note: {{1.Summary}}和{{1.Description}}是Zapier从上一步触发器中获取的工单字段。请替换 [YOUR_GEMINI_API_KEY] 为您的实际API密钥。关于Gemini国内使用的注意事项，请确保您的网络环境能够访问Google API。
根据Gemini API的响应，添加一个“Filter”或“Path”步骤，以根据AI分类结果路由后续操作。
Filter: Only continue if... [AI Classification Result] Contains [Specific Category]
Expected Output: Zapier根据条件决定是否继续执行后续步骤。

根据AI分类结果执行相应操作。

例如，如果分类为“服务器故障”，则添加一个Action Step，选择“Slack”发送通知到SRE运维频道。
Action Event: Send Channel Message Channel: #sre-critical-alerts Message Text: 新的服务器故障工单已分类：{{AI Classification Result}}。Jira链接: {{1.Request URL}}
Expected Output: Slack频道接收到通知。
或者，添加一个Action Step更新Jira工单的优先级或分配给特定团队。
Action Event: Update Request Request ID: {{1.Request ID}} Fields: Priority -> High, Assignee -> SRE-Team-Lead
Expected Output: Jira工单被更新。

本节将介绍如何使用Make（原Integromat）构建类似的AI自动化工作流，其可视化界面更适合复杂流程。

在Make中创建一个新的Scenario。

添加一个“Webhooks”模块，选择“Custom webhook”。
Module: Webhooks -> Custom webhook
Expected Output: Make生成一个唯一的Webhook URL，用于接收外部系统的数据。
在您的工单系统（或任何需要触发的系统）中配置Webhook，将新工单数据发送到Make生成的URL。

Warning: 确保Webhook发送的数据结构与Make Webhook的预期一致，或在Make中使用“JSON”模块进行解析。

利用Make的HTTP模块调用AI服务，并通过Router和Filter模块进行条件处理。

添加一个“HTTP”模块，选择“Make a request”。
Module: HTTP -> Make a request URL: https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key=[YOUR_GEMINI_API_KEY] Method: POST Headers: Content-Type: application/json Body (JSON):
```
{
  "contents": [
    {
      "parts": [
        {
          "text": "请将以下工单内容分类为'网络问题', '服务器故障', '软件Bug'或'其他', 并返回唯一的分类名称。工单内容：{{1.data.summary}} - {{1.data.description}}"
        }
      ]
    }
  ]
}
```
Expected Output: Gemini API返回分类结果。

Note: {{1.data.summary}}和{{1.data.description}}是来自Webhook模块的示例数据字段。请根据实际Webhook数据结构调整。
添加一个“Router”模块，创建多个分支，每个分支连接一个“Filter”模块，根据AI返回的分类结果进行过滤。
Filter Condition: {{HTTP Response.choices[0].text}} = "网络问题"
Expected Output: 数据包沿符合条件的分支继续传输。

在每个Filter分支后，可以添加不同的模块执行自动化任务。

例如，对于“网络问题”分支，添加“Jira Service Management”模块，选择“Create Issue”或“Update Issue”。
Module: Jira Service Management -> Create Issue Project: [Your Project] Issue Type: Task Summary: AI分类：网络问题 - {{1.data.summary}} Description: {{HTTP Response.choices[0].text}}。原始工单ID: {{1.data.id}}
Expected Output: Jira中创建新的任务。
或者，添加“Email”模块发送邮件通知，或“Slack”模块发送消息。
Module: Email -> Send an email To: [email protected] Subject: 紧急：AI识别网络问题工单
Expected Output: 邮件发送成功。

Warning: 在生产环境部署前，务必进行充分的测试，并监控AI分类的准确性及自动化流程的稳定性。