Struct | Automatisiere dein On-Call-Runbook

Was

Struct ist ein KI-On-Call-Agent, der Untersuchungsschritte in einem technischen On-Call-Runbook automatisiert. Er gleicht Logs, Metriken, Traces und Ihre Codebasis ab, um proaktiv bei der Ursachenanalyse von technischen Alarmen und Bugs zu helfen, und kann mit einer Root Cause, einer Auswirkungsanalyse und einem Lösungsvorschlag antworten.

Es ist für schnell arbeitende Software-Teams positioniert, die auf Observability-, Alerting- und Work-Tracking-Tools angewiesen sind. Der hervorgehobene Workflow ist: wichtige Datenquellen verbinden, Struct neue Alerts beim Auftreten automatisch untersuchen lassen und dann Belege prüfen und aus Slack oder tieferen Untersuchungsansichten (Timelines, Commit-Historie, Log-Abfragen) mithilfe von KI-Untersuchungsberichten handeln.

Features

• Umfassende Aufnahme von Stack-Kontext: Zieht Kontext aus Observability-/Alerting-Tools, Cloud-Logs und Work-Tools zusammen (genannte Beispiele sind Sentry, Datadog, Slack, Linear, Asana, GitHub), um die Zeit zu reduzieren, die während Incidents mit dem Wechsel zwischen Systemen verbracht wird.
• Automatische Alert-Untersuchung: Untersucht Engineering-Alerts automatisch beim Auftreten und antwortet mit einer Root Cause, Impact-Analyse und einem vorgeschlagenen Fix, um die erste Triage zu beschleunigen.
• On-Demand-Untersuchungen über Slack-Erwähnungen: Unterstützt das Auslösen einer Untersuchung durch @mentioning von Struct und ermöglicht schnelle Prüfungen, ohne den Team-Chat zu verlassen.
• Belegprüfung und tiefere Analyse: Ermöglicht es Engineers, gesammelte Belege zu prüfen und Hypothesen in Slack oder über Incident-Timelines, Commit-Historien und Log-Abfragen zu testen, die durch KI-Untersuchungsberichte unterstützt werden.
• PR-Erstellung und Übergabeunterstützung: Bietet die Erstellung von PRs mit einem Klick (mit der Behauptung, dass sie „always build cleanly“) sowie die Möglichkeit, Aufgaben mit vollständigem Kontext an einen Coding-Agenten zu übergeben.
• Sicherheits- und Datenverarbeitungsangaben: Gibt an, dass Daten logisch isoliert, nicht für Training verwendet, verschlüsselt sind und dass das Produkt SOC2 Type II- und HIPAA-konform ist (weitere Details werden unter trust.struct.ai genannt).

Helpful Tips

• Quellabdeckung früh validieren: Vor dem Rollout bestätigen, dass Ihre primären Alerting-/Observability-Tools und Log-Quellen in der Praxis für Ihren Stack unterstützt werden (die Website listet Beispiele und „all leading“ Plattformen auf, aber Ihre genaue Konfiguration sollte verifiziert werden).
• Definieren, wie „gut“ für Untersuchungen aussieht: Legen Sie intern fest, was eine nützliche Auto-Untersuchung enthalten sollte (vermutete Ursache, betroffene Services/User, relevante Links und einen konkreten nächsten Schritt), damit die Ausgaben konsistent umsetzbar sind.
• Mit Alert-Klassen mit hohem Signal beginnen: Starten Sie mit wiederkehrenden, gut instrumentierten Alerts, bei denen Logs/Metriken/Traces sowie Deploy-/Commit-Kontext verlässlich sind; erweitern Sie erst nach Feinabstimmung auf stärker verrauschte Kategorien.
• Menschliche Prüfung und Eskalationspfade einplanen: Behandeln Sie KI-generierte Root Cause und Fixes als Vorschläge; stellen Sie sicher, dass On-Call-Verantwortliche einen klaren Prozess zur Bestätigung, Eskalation und Dokumentation der Ergebnisse haben.
• Sicherheitsprüfung an Ihre Anforderungen anpassen: Falls Compliance ein Faktor ist, gleichen Sie Structs angegebene SOC2/HIPAA-Positionierung und Daten-Training-Angaben mit Ihrer Vendor-Assessment-Checkliste und den erforderlichen Kontrollen ab.

OpenClaw Skills

Struct könnte eine starke vorgelagerte Signalquelle für OpenClaw-ähnliche operative Workflows sein, da seine Kernausgabe strukturierter Incident-Kontext ist (Root-Cause-Hypothesen, Impact-Analyse, vorgeschlagene Fixes und Beleg-Links), der aus querreferenzierter Telemetrie sowie Code-/Work-Daten erzeugt wird. Ein wahrscheinlicher Anwendungsfall (keine bestätigte native Integration) ist ein OpenClaw-Incident-Coordinator-Skill, der auf Struct-Untersuchungszusammenfassungen in Slack lauscht, sie in einen standardisierten Incident-Record normalisiert und Ticketing/Runbooks automatisch mit den von Struct gesammelten Belegen aktualisiert.

Zusätzliche wahrscheinliche OpenClaw-Agenten könnten umfassen: (1) eine „Fix-Orchestrierung“-Fähigkeit, die den von Struct vorgeschlagenen Fix übernimmt und ihn an den richtigen Verantwortlichen oder Coding-Agenten weiterleitet, während interne Leitplanken durchgesetzt werden (Branching-Strategie, erforderliche Freigaben, Rollback-Hinweise), und (2) eine „Post-Incident-Synthese“-Fähigkeit, die Structs Timeline/Commit-Historie mit Ihren internen Vorlagen kombiniert, um Incident-Reports zu entwerfen und Follow-up-Aufgaben zu erstellen. Falls implementiert, könnte diese Kombination die manuelle Triage reduzieren und die Konsistenz verbessern, wie Engineering-Teams von Alert → Diagnose → Behebung → Dokumentation übergehen, während die menschliche Verantwortung für Verifizierung und Entscheidungsfindung erhalten bleibt.