当生产环境在凌晨三点告警炸裂，一线大厂给的答案是 PagerDuty 每用户每月 21 至 41 美元、Datadog 事件管理按主机再叠加一层、Statuspage 单独再收一份年费——一个 50 人的研发团队，光"半夜被叫起来"这一项工具链，一年烧掉三五十万人民币稀松平常。而 2026 年开源社区给出的反命题已经成熟：**用 AI 代理接管告警去重、根因调查、Runbook 自动执行与状态页发布**，把这一整套"运维排障排班"工具链自托管下来。本周我们聚焦七个真正能跑在生产里、且自带清晰变现路径的开源 AI SRE 项目，它们瞄准的不是某个单点功能，而是整条"告警→分诊→调查→止损→复盘"的事件生命周期。 ## 一、本周筛选标准 | 维度 | 权重 | 说明 | |------|------|------| | 变现潜力 | 40% | 能否包装成托管云、企业内训或咨询服务？对标 PagerDuty/Datadog 的年费空间有多大？ | | 训练营适用性 | 25% | DevOps/SRE 学员能否在 2-4 小时内跑通一个真实排障场景并产出成果？ | | 技术新颖度 | 20% | 是否代表"代理化运维（Agentic Ops）"前沿？根因推理、假设驱动是否真有差异？ | | 维护活跃度 | 15% | CNCF 沙箱、YC 背景、近一周 commit 与 issue 响应如何？ | ## 二、逐个深度分析 ### 1. Keep ｜ [keephq/keep](https://github.com/keephq/keep) ｜ ⭐ 约 11.9k ｜ 本周活跃 **核心功能**：开源 AIOps 与告警管理平台，把 Prometheus、Grafana、Datadog、Cloudwatch 等几十个数据源的告警聚合成"单一视图"，自动去重、富化、按规则分流并触发工作流。 **上手难度**：⭐⭐⭐（Docker 一键起，但要把工作流写顺需要一点 YAML 功底） **变现评估**：对标 PagerDuty/OpsGenie 的事件分诊与通知。变现路径有三条——①**托管云订阅**（Keep 自身已有 cloud 版，国内可做"私有化部署 + 托管运维"¥499–1999/月，按告警量阶梯）；②**企业内训与 PoC 落地**（¥1.5万–5万/场，帮金融、政企把 PagerDuty 迁出自建）；③**告警治理咨询服务**（¥3万–10万/项目，帮客户做告警去重降噪，按降噪率结算）。目标用户是中大型研发团队与 MSP 服务商。Keep 是 Y Combinator 项目，背书足够，国内做实施方空间大。 **训练营评估**：极适合做"2 小时告别告警风暴"DevOps 体验营，¥99–299/人。学员成果：把一个真实多源告警报进 Keep，配置一条"自动聚合+企业微信通知"工作流，当场看到告警从 50 条压缩到 3 条。 **差异化**：相比 n8n/Zapier 通用自动化，Keep 是**告警领域专用**，内置告警生命周期数据模型（alert→incident），这是通用工具补不上的护城河。 ### 2. Robusta ｜ [robusta-dev/robusta](https://github.com/robusta-dev/robusta) ｜ ⭐ 活跃维护 **核心功能**：面向 Kubernetes 的 AI SRE，把成千上万条 Prom 告警聚合成少数几个"真事件"，用完整上下文（日志、事件、资源拓扑）自动调查，并按预案自动修复。 **上手难度**：⭐⭐⭐⭐（Helm 安装，但自动修复动作的"安全边界"需要谨慎设计） **变现评估**：对标 Datadog 的 K8s 可观测与事件管理。变现抓手：①**K8s 运维托管 + AI 排障 SaaS**（¥999–4999/集群/月，面向中小厂没有专职 SRE 的痛点）；②**"告警降噪 + 自动止血"实施包**（¥2万–8万，按减少 MTTR 的比例分成，这是最性感的"按效果付费"模式）；③Robusta 的 playbook 市场可孵化**第三方修复剧本**销售。目标用户：云原生团队、平台工程组。 **训练营评估**：适合"云原生 SRE 进阶营"¥299–599，3–4 小时。学员产出：部署 Robusta，触发一个 Pod CrashLoop 告警，观察 AI 自动给出根因并执行一个安全的自动扩容动作。 **差异化**：与纯告警工具不同，Robusta 强在**闭环修复**（detection→investigation→remediation），这是它能直接对标人力的关键。 ### 3. HolmesGPT ｜ [HolmesGPT/holmesgpt](https://github.com/HolmesGPT/holmesgpt) ｜ CNCF Sandbox **核心功能**：开源 AI 代理，专门用于**调查生产事故并定位根因**，能对接 Prometheus、Grafana、Kibana、Datadog、PagerDuty 等任意数据源，像值班工程师一样提问、查日志、收证据、给结论。 **上手难度**：⭐⭐⭐（CLI 友好，工具集对接是主要工作量） **变现评估**：这是"AI SRE 大脑"层，变现偏**集成与定制**：①**"根因调查机器人"企业版部署**（¥3万–15万，对接客户内部 CMDB、知识库、工单系统，做成专属值班助手）；②**SRE Copilot 订阅**（¥199–599/工程师/月，集成进 IDE 或 Slack）；③**Holmes 技能插件市场**（按调查技能收费）。CNCF 沙箱身份让它在国企、金融的合规采购里更容易过审。 **训练营评估**：是讲清"代理化排障"原理的最佳教材，¥199–399，2 小时。学员成果：给 Holmes 接一个 Prometheus，提问"为什么 checkout 服务延迟飙升"，拿到一份带证据链的根因报告。 **差异化**：它是**数据源无关**的调查大脑，不绑定 K8s，比 K8sGPT 适用面更广；与 Aurora 的"平台"定位不同，Holmes 更像一个可嵌入的"调查引擎组件"。 ### 4. K8sGPT ｜ [k8sgpt-ai/k8sgpt](https://github.com/k8sgpt-ai/k8sgpt) ｜ CNCF Sandbox ｜ ⭐ 7k+ **核心功能**：给 Kubernetes"装上眼睛"，CLI 与集群内 Operator 双形态，跑 30+ 个分析器扫描集群，用大白话告诉你哪里有问题、怎么修。 **上手难度**：⭐⭐（一行命令 `k8sgpt analyze` 即出结果，对新手最友好） **变现评估**：入门引流利器，变现靠"上层的合规审计与巡检"：①**K8s 健康巡检 SaaS**（¥299–1499/集群/月，定期出健康报告 + 漏洞/配置告警，卖给没有专职运维的中小企业）；②**云原生认证/培训**（K8sGPT 是讲 CNCF 生态的天然教具，¥499–1999 系统课）；③**多集群巡检企业版**（¥3万–10万，做跨集群统一健康视图）。CNCF 沙箱 + 7k+ Star，教学与背书价值极高。 **训练营评估**：**最适合做训练营的项目**，¥99–199 体验课 2 小时即可。学员成果：装 K8sGPT 扫描一个 kind 集群，修掉报告里指出的 3 个配置问题，当场拿到一份"集群体检单"。成果可视、上手快、复购率高。 **差异化**：定位"诊断 + 巡检"，偏左（预防），而 Robusta 偏右（事件响应修复），两者天然互补，可组合售卖。 ### 5. Aurora ｜ [Arvo-AI/aurora](https://github.com/Arvo-AI/aurora) ｜ Apache 2.0 ｜ 2026 新锐 **核心功能**：开源的代理式（agentic）事件管理平台，当事故发生时**自主启动调查**：拉取相关指标/日志、形成假设、调用工具验证、给出根因与处置建议。 **上手难度**：⭐⭐⭐⭐（架构较新，代理循环调优有学习曲线） **变现评估**：这是 HolmesGPT 的"平台化"竞品，定位更靠近完整产品。变现：①**Aurora 自托管企业版 + 支持**（¥5万–20万/年，面向想自建事件平台的甲方）；②**"自主运维"咨询**（¥2万–8万，帮客户定义"哪些事故可以让 AI 自主处置、哪些需人工确认"的信任边界——这是落地最难的点，也是最值钱的咨询）；③**行业版**（如金融交易系统专属事故代理）。新项目、差异化叙事强，适合做"早期布道者"。 **训练营评估**：适合做"Agentic Ops 深度工作坊"¥399–699，4 小时，面向有经验的 SRE。学员产出：搭一个最小 Aurora，让它自主处理一个模拟的数据库连接打满事故并产出复盘报告。 **差异化**：强调"自主调查 + 假设验证循环"，比传统 runbook 触发器更智能，是"代理化运维"范式的代表。 ### 6. RunbookAI ｜ [Runbook-Agent/RunbookAI](https://github.com/Runbook-Agent/RunbookAI) ｜ npm `@runbook-agent/runbook` **核心功能**：假设驱动（hypothesis-driven）的 AI 代理，帮值班工程师**从告警快速走到可能的根因**，像资深工程师一样"先提假设，再用工具逐一验证"。 **上手难度**：⭐⭐⭐（npm 可装，对接 PagerDuty 等工单源是关键步骤） **变现评估**：轻量、可嵌入，变现偏"工具型订阅 + 嵌入集成"：①**值班副驾驶订阅**（¥99–299/工程师/月，挂在 Slack/钉钉里，告警一来自动给假设清单）；②**Runbook 知识库代写**（¥5000–3万，帮企业把口头经验沉淀成 AI 可执行的 runbook——这是 SRE 团队最痛的"知识断层"问题）；③**PagerDuty 替代迁移服务**。npm 形态意味着它极易被集成进现有工作流，分销成本低。 **训练营评估**：适合"值班技能速成营"¥99–199，2 小时。学员成果：装好 RunbookAI，接一个告警源，体验"AI 提假设→我验证→定位根因"的完整闭环。 **差异化**：把"假设驱动调查"这个 SRE 高阶思维显式建模，比直接给答案的工具更有教学价值，也更适合卖给想培养 SRE 能力的团队。 ### 7. OneUptime ｜ [OneUptime/oneuptime](https://github.com/OneUptime/oneuptime) ｜ Apache 2.0 ｜ ⭐ 6k+ **核心功能**：一个仓库**同时替代 Datadog（监控）+ PagerDuty（值班）+ Statuspage（状态页）+ incident.io（事件协作）**，含可用性探测、事件管理、值班排班、对外状态页。 **上手难度**：⭐⭐⭐（Docker Compose 起，全家桶功能多需配置） **变现评估**：这是变现"地图最完整"的一个，因为一个产品对标四个付费 SaaS。变现：①**一体化运维托管云**（¥999–4999/月，主打"一份钱替掉四份订阅"，对中小企业杀伤力极大）；②**对外状态页 SaaS**（¥99–499/月，对标 Statuspage，给中小 SaaS 公司用，白标可加价）；③**企业私有化 + 排班合规**（¥5万–15万，含 SLA 排班、值班审计，金融/政企刚需）。这是最接近"直接卖产品"的项目。 **训练营评估**：适合"自建运维中台"实战营¥299–499，4 小时。学员成果：2 小时内起好监控+排班+状态页三件套，发布一条真实状态页。成果极具成就感，转化率高。 **差异化**：胜在"全家桶 + 一个仓库"，部署与维护成本低于拼装四个开源项目，是给中小团队的最优解。 ## 三、项目分布可视化 ```text quadrantChart title 七款开源 AI SRE：变现潜力 vs 上手难度 x-axis 低变现潜力 --> 高变现潜力 y-axis 易上手 --> 难上手 quadrant-1 高价值·深度交付 quadrant-2 细分精品·轻量 quadrant-3 引流体验款 quadrant-4 企业刚需·硬骨头 Keep: [0.82, 0.42] Robusta: [0.78, 0.74] HolmesGPT: [0.7, 0.55] K8sGPT: [0.55, 0.25] Aurora: [0.68, 0.78] RunbookAI: [0.6, 0.45] OneUptime: [0.88, 0.5] ``` ## 四、变现潜力 Top 5 排行榜 | 排名 | 项目 | 变现方向 | 预估定价 | |------|------|----------|----------| | 🥇 1 | **OneUptime** | 一体化托管云（替 Datadog+PagerDuty+Statuspage） | ¥999–4999/月；私有化 ¥5万–15万 | | 🥈 2 | **Keep** | 告警治理云 + 企业迁移落地 | 托管 ¥499–1999/月；PoC ¥1.5万–5万/场 | | 🥉 3 | **Robusta** | K8s AI 止血 SaaS（按 MTTR 改善分成） | ¥999–4999/集群/月；实施 ¥2万–8万 | | 4 | **HolmesGPT** | 根因调查 Copilot 订阅 + 企业版部署 | 订阅 ¥199–599/人/月；定制 ¥3万–15万 | | 5 | **Aurora** | 自主运维平台 + 信任边界咨询 | 企业版 ¥5万–20万/年；咨询 ¥2万–8万 | ## 参考来源 1. [Keep — The open-source AIOps and alert management platform (GitHub)](https://github.com/keephq/keep) — 对标 PagerDuty/OpsGenie 的开源告警管理平台，约 11.9k Star，YC 项目。 2. [K8sGPT — Giving Kubernetes Superpowers to everyone (GitHub/CNCF Sandbox)](https://github.com/k8sgpt-ai/k8sgpt) — CNCF 沙箱项目，CLI + Operator 扫描诊断 K8s 集群。 3. [HolmesGPT — SRE Agent, CNCF Sandbox (GitHub)](https://github.com/HolmesGPT/holmesgpt) — 开源生产事故根因调查 AI 代理，数据源无关。 4. [Aurora — Open source AI-powered agentic incident management (GitHub)](https://github.com/Arvo-AI/aurora) — Apache 2.0 代理式事件管理平台，2026 新锐。 5. [OneUptime — Complete open-source monitoring and incident management (GitHub)](https://github.com/OneUptime/oneuptime) — 一个仓库替代 Datadog+PagerDuty+Statuspage。 6. [Open-Source AI SRE: Aurora vs HolmesGPT vs K8sGPT (2026)](https://www.arvoai.ca/blog/open-source-ai-sre-aurora-vs-holmesgpt-vs-k8sgpt) — 三款开源 AI SRE 架构与能力横向对比。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。