Если у вас в продакшене что-то сломалось — первые десять минут вы не чините, а пытаетесь понять, что именно и насколько глубоко всё сломалось. Что ещё может упасть? Кто шарит в этом сервисе? Было ли уже такое? Ответы на эти вопросы есть, но они разбросаны по разным источникам: схемы сервисов, тим-чарты, старые постмортемы. В обычной ситуации кто-то должен быстро всё это склеить руками, под давлением, в стрессе. Вот эту боль и решил Incident Brain — AI агент с графовой памятью на FalkorDB.
Почему просто LLM не хватает для инцидентов
В моей практике и в командах, с которыми я работал, сталкивался с типичной проблемой: большой LLM вроде GPT или Claude может сгенерировать красивые ответы, но без жёсткой привязки к фактам из вашей инфраструктуры это чаще всего просто догадки. Например, спросишь: «Какие сервисы упадут, если payments-api сломается?» — и модель выдаст что-то, основанное на общих знаниях, но не на ваших конкретных связях.
Проблема в том, что эти вопросы — про связи и цепочки зависимостей. SQL с рекурсивными join-ами для таких задач — это ад, особенно когда хочется интерактивности и быстрого результата. Здесь на помощь приходит граф — он как раз заточен под multi-hop traversal, то есть поиск путей в связанной структуре.
Incident Brain и FalkorDB: граф — не просто визуализация, а мозг системы
Incident Brain хранит контекст в FalkorDB — это графовая база данных с удобным Cypher-подобным языком запросов. Представьте, что вы пишете в чат «payments-api возвращает 500 ошибки», и агент отвечает:
- Blast radius — список всех downstream-сервисов, которые могут пострадать, с указанием расстояния в хопах
- Кого спросить — люди, отсортированные по владению сервисом и опыту в решении похожих проблем
- Похожие инциденты — с root cause, фиксом и ответственными
- Доказательство — точные узлы, рёбра и Cypher-запросы, которые лежат в основе каждого утверждения, с подсветкой на живой графовой визуализации
И главное — после того, как вы залогировали инцидент, он записывается обратно в граф. Значит, при следующем похожем случае AI агент уже имеет накопленную память.
Как устроена логика поиска и почему это круто
В основе всего лежит несколько ключевых приёмов:
-
Multi-hop traversal — для blast radius используется запрос вроде
MATCH (f:Service {name: $name})<-[:DEPENDS_ON*1..4]-(s:Service) RETURN DISTINCT s.nameЭто значит: найди все сервисы, которые зависят от данного в 1–4 шага.
-
shortestPath — чтобы объяснить, почему один сервис влияет на другой, ищем кратчайший путь в графе зависимостей. Это помогает понять цепочку причин.
-
Graph algorithms, например PageRank — ранжируем пострадавшие сервисы по важности, чтобы понять, на что обращать внимание в первую очередь.
-
Persistent memory — каждый инцидент становится нодой с рёбрами AFFECTED, FIXED_BY и SIMILAR_TO. Это значит, что база знает не только структуру сервисов, но и прошлый опыт работы с инцидентами.
-
Multi-graph support — общий граф компании плюс отдельные графы-памяти для команд. Это удобно, если у вас несколько команд с разными зонами ответственности, но одна общая инфраструктура.
Если убрать FalkorDB — продукт перестанет работать. Граф — не просто декор, а мозг, обеспечивающий связность и правдивость ответов.
Технический стек и лайфхаки из разработки
Incident Brain написан на Python с FastAPI, использует официальный Python клиент FalkorDB, LLM для генерации ответов и вызова инструментов (tool calling), отображение графа в браузере через force-directed layout и всё это запускается через docker-compose одной командой.
Из личного опыта, с чем столкнулся автор — первая версия позволяла модели отвечать на основе собственной памяти, и она выдумала сервис, которого не существовало. Решение — заставить агента всегда брать данные из инструментов, возвращающих реальные node ID, чтобы ответы были подкреплены фактами из графа.
Ещё один полезный инсайт: сначала спроектировать схему графа — это сильно упрощает остальное. Чёткие отношения между сущностями позволяют сделать инструменты маленькими и понятными.
Пример запроса и ответа
Допустим, у нас упал сервис payments-api. Запрос к агенту:
query = """
MATCH (s:Service {name: $name})<-[:DEPENDS_ON*1..3]-(affected)
RETURN DISTINCT affected.name AS service, length(shortestPath((s)<-[:DEPENDS_ON*]-(affected))) AS hops
ORDER BY hops
"""
params = {"name": "payments-api"}
Агент запускает этот Cypher-запрос в FalkorDB и получает список пострадавших сервисов с расстоянием. Далее с помощью PageRank сортирует их по важности и выводит контактные данные владельцев.
Кому и когда это будет полезно
Если у вас большой микросервисный ландшафт и инциденты — штука частая, Incident Brain может сделать диагностику быстрее и аккуратнее. Особенно если раньше страдали от разбросанных знаний и горящих вопросов «кто знает, как чинить этот сервис?».
Риски есть: без аккуратного поддержания графа и залогированных инцидентов память агента быстро устареет. Плюс нужна культура записи postmortem и владения сервисами, чтобы граф был актуальным.
Куда копать дальше
-
Попробуйте добавить в граф не только сервисы, но и инфраструктурные компоненты, например базы и очереди.
-
Интегрируйте Incident Brain с системой алертинга, чтобы при инциденте сразу получать анализ blast radius.
-
Экспериментируйте с agentic workflows: пусть AI сам инициирует вопросы и уточнения в чатах, собирая нужные данные.
-
Используйте RAG-подход (retrieval-augmented generation) — комбинируйте LLM с графовой базой, чтобы получать живые, доказуемые ответы.
В итоге Incident Brain — отличный пример того, как AI и графы могут работать вместе, чтобы не угадывать, а реально понимать связи в сложной системе. Если у вас есть продакшен с кучей сервисов и инцидентов, стоит задуматься о таком подходе. Даже если не брать готовое решение, идея графовой памяти для AI агента — это то, что стоит попробовать на практике.