Struct | 自动化你的值班运行手册

是什么

Struct 是一个 AI 值班代理，可自动化工程值班运行手册中的调查步骤。它会交叉引用日志、指标、追踪以及你的代码库，主动帮助定位工程告警和漏洞的根本原因，并且它能够给出根本原因、影响分析以及建议的修复方案。

它面向依赖可观测性、告警和工作跟踪工具的快节奏软件团队。其强调的工作流是：连接关键数据源，让 Struct 在新告警发生时自动调查，然后使用 AI 调查报告从 Slack 或更深入的调查视图（时间线、提交历史、日志查询）中审查证据并采取行动。

Features

• 广泛的技术栈上下文摄取：从可观测性/告警、云日志和工作工具中提取上下文（列出的示例包括 Sentry、Datadog、Slack、Linear、Asana、GitHub），以减少在事件期间切换系统所花费的时间。
• 自动告警调查：在工程告警发生时自动进行调查，并回复根因、影响分析和建议修复方案，以加快初始分诊速度。
• 通过 Slack 提及按需发起调查：支持通过 @mention Struct 来触发调查，无需离开团队聊天即可快速检查。
• 证据审查与更深入探索：允许工程师在 Slack 中或通过事件时间线、提交历史和日志查询来审查收集的证据并测试假设，这些功能由 AI 调查报告支持。
• PR 创建与交接支持：提供一键创建 PR 的功能（并声称它们“总是可以干净构建”），以及将任务连同完整上下文一起交接给编码代理的能力。
• 安全与数据处理声明：声明数据在逻辑上是隔离的，不用于训练，已加密，并且产品符合 SOC2 Type II 和 HIPAA 标准（更多细节参见 trust.struct.ai）。

Helpful Tips

• 尽早验证来源覆盖范围：在部署前，确认你的主要告警/可观测性工具和日志来源在你的技术栈中确实受到支持（网站列出了示例并提到“所有领先”的平台，但你应验证自己的确切配置）。
• 定义调查结果中“好”的标准：为有用的自动调查应包含哪些内容建立内部预期（疑似原因、受影响的服务/用户、相关链接以及明确的下一步），以确保输出始终可执行。
• 从高信号告警类别开始：从那些反复出现、监控完善的告警入手，在这些场景中日志/指标/追踪以及部署/提交上下文都比较可靠；调优后再扩展到噪声更大的类别。
• 规划人工审查与升级路径：将 AI 生成的根因和修复方案视为建议；确保值班负责人有清晰流程来确认、升级并记录结果。
• 使安全审查符合你的要求：如果合规性是一个因素，将 Struct 声称的 SOC2/HIPAA 状态和数据训练声明映射到你的供应商评估清单和所需控制项中。

OpenClaw Skills

Struct 可能是 OpenClaw 风格运维工作流中一个强有力的上游信号来源，因为它的核心输出是结构化的事件上下文（根因假设、影响分析、建议修复和证据链接），这些内容由交叉引用的遥测与代码/工作数据生成。一个可能的用例（并非已确认的原生集成）是 OpenClaw 事件协调技能在 Slack 中监听 Struct 调查摘要，将其规范化为标准事件记录，并自动用 Struct 收集的证据更新工单/运行手册。

其他可能的 OpenClaw agents 还包括：（1）一种“修复编排”技能，它接收 Struct 建议的修复方案，并在执行内部护栏（分支策略、所需审批、回滚说明）的同时，将其路由给正确的负责人或编码代理；以及（2）一种“事后事件综合”技能，将 Struct 的时间线/提交历史与你的内部模板结合起来，以起草事件报告并创建后续任务。如果得以实现，这种组合可以减少手动分诊，并提高工程团队从警报 → 诊断 → 修复 → 文档编写过程中的一致性，同时保持由人工负责验证和决策。