00:00:00
第 1 期：AI 排障进场，Nightingale 出 MCP 原创
第 1 期 · 覆盖 2026-10-26 ～ 2026-11-01。本期最明显的信号是 AI 正式挤进排障链路：老牌告警系统 Nightingale 上了 MCP Server，Coroot 连着出了两个补丁版，HolmesGPT 这个 CNCF Sandbox 的 SRE Agent 也在持续迭代。传统可观测性项目的节奏则很稳——OTel Collector、VictoriaMetrics、Chaos Mesh 各有一个常规版本。
一、本周焦点：Nightingale v9.3.0，把 AI Agent 装进告警系统
本周最值得展开的项目是 ccfos/nightingale。
| 项 | 值 |
|---|---|
| star | 13.4k |
| 语言 / 许可 | Go / Apache-2.0 |
| 本周动态 | 本周持续提交 · 最新版本 v9.3.0（2026-10-21，一周内发布） |
| topics | alerting、aiops、clickhouse、loki、mcp-server |
| 一句话 | 一体化开源告警平台，指标、日志、数据库告警统一在一条链路上收口 |
为什么是它。 Nightingale 的定位一直很清晰：不是再做一个 Prometheus，而是把"多数据源 + 多规则引擎 + 事件管道"收进一个系统。它没有走"功能全乱炖"的路子，规则引擎、告警规则屏蔽、订阅通知、事件 Pipeline 这几块是可以拆开用的，中小团队可以只接其中一段。
这周的看点在于 topics 里的两个新面孔：aiops 和 mcp-server。官方描述已经改成"Includes a built-in AI agent and MCP server"。这意味着它不是"在页面上加个对话框"，而是把告警、指标、日志的查询能力暴露成 MCP 工具，让外部的 AI Agent 能直接调。做值班的都知道，凌晨三点告警响，最耗时的不是判断"要不要处理"，而是"从哪个面板开始看"——这块如果被 Agent 承担，收益是实打实的。
上手建议。 如果你现在用 Prometheus + Alertmanager + 自建通知脚本拼出一套告警链路，Nightingale 是值得评估的替代项，重点是它的事件 Pipeline 和告警屏蔽能力，这两块自己写要多花不少精力。但如果你的告警规模很小、规则几十条以内，现有方案没必要动——迁移成本和收益不匹配。
MCP 这块先别急着上生产：AI Agent 调工具的本质是"给模型读写权限"，至少先把查询类工具和处置类工具分开授权。
二、上榜项目
🔭 可观测性
netdata/netdata · ★81.2k · Go · GPL-3.0 · v2.12.2（10-23） 单机级全栈监控，采集粒度细到秒级，安装即用。官方描述已经换成"AI-powered full stack observability"，AI 这块是它的新卖点而不是新内核——核心仍是那套免配置的采集器。适合边缘节点、单机排障；集群规模上去了还是要靠中心化方案。
SigNoz/signoz · ★32.5k · TypeScript · OpenTelemetry 原生 一站式 APM，日志、指标、链路放一个库里查（ClickHouse）。这周描述里加了 "and their AI agents"，同时提供了 MCP 和云端 AI teammate。要找一个 OTel 原生、能自己部署的 Datadog 平替，它是最像的那个。
openobserve/openobserve · ★22.6k · TypeScript · AGPL-3.0 · 最新 v1.1.2 Rust 写的日志/指标/链路统一存储，主打一个单二进制部署和存储成本。它的 SLO 和 LLM observability 模块都在里面。适合把 ELK 换掉的场景，前提是能接受 AGPL。
VictoriaMetrics/VictoriaMetrics · ★18.0k · Go · Apache-2.0 · v1.155.0（10-26，本周发布） Prometheus 的长期存储替代，压缩率和查询性能是它的立身之本。本周的 v1.155.0 是常规迭代，没有破坏性变更。Prometheus 本地盘撑不住的时候，先上它，再考虑 Thanos。
vectordotdev/vector · ★22.8k · Rust · MPL-2.0 可观测性数据管道，一个 agent 同时收 metrics / logs / traces，再做转换和路由。和 OTel Collector 是竞品关系，Vector 的优势在配置表达力和吞吐，OTel 的优势在生态和标准一致性。
grafana/pyroscope · Go · AGPL-3.0 · v2.4.2（本周发布） 指标告诉你"慢"，链路告诉你"哪一段慢"，profiling 告诉你"哪一行代码慢"。CPU/内存火焰图持续采集，是排查偶发性能尖刺最有效的一层，也是最容易被忽略的一层。
fluent/fluent-bit · C · Apache-2.0 · v5.1.5（本周发布） 日志采集端的轻量选择，C 写的、资源占用低，K8s 节点上跑 DaemonSet 很合适。和 Vector 是同类，取舍看团队对 Lua 过滤和 Rust 配置的偏好。
open-telemetry/opentelemetry-collector · ★7.7k · Go · Apache-2.0 · v0.164.0（10-26） 采集层的事实标准，稳定版每月一个 minor。采集端如果还没有统一标准，先统一到它，再谈后端换谁——采集层解耦是后续所有替换的前提。
jaegertracing/jaeger · ★23.4k · Go · Apache-2.0 CNCF 的分布式追踪平台，现在推 v2 的单体部署形态。链路这块如果没有强需求，先用 OTel Collector + Jaeger 起步，别一上来就上商业 APM。
🚨 告警与故障响应
Tracer-Cloud/opensre · ★12.6k · Python · Apache-2.0 · v0.1.2026.11.1（今日发布） 今年的新面孔，做 AI SRE Agent 的工具箱，能把 Datadog、Grafana 的数据接进来做根因分析。star 涨得很快，但项目创建时间很新，生产使用要谨慎评估。
HolmesGPT/holmesgpt · ★3.7k · Python · Apache-2.0 · 最新 0.45.0 CNCF Sandbox 项目的 SRE Agent，定位是"值班时帮你查"——接告警、自动拉相关日志指标、给根因假设。有 CNCF 背书，比纯个人项目稳一些。
keephq/keep · ★12.5k · Python AIOps 与告警管理平台，把不同监控源的告警拉到一个工作台去重、关联、路由。告警治理的"中间层"，不替代监控系统，解决的是告警泛滥和上下文缺失。
robusta-dev/robusta · ★3.1k · Python · MIT Kubernetes 的告警增强，做告警分组、AI 富化和自动处置。Alertmanager 发出来的告警信息量太少是通病，它的定位就是补这一块。
abahmed/kwatch · ★1.0k · Go 集群内跑的小工具，盯着 Pod 失败（CrashLoopBackOff 之类）把根因追出来再发一条消息。轻量、职责单一，适合当第一道"集群异常预警"。
☸️ Kubernetes 与平台工程
derailed/k9s · ★34.9k · Go · Apache-2.0 终端里的 K8s 管理界面，用得越久越离不开。它的价值在排障的时候最明显：日志、事件、资源关系一个界面里全在。
kubernetes-sigs/karpenter · ★2.3k · Go · Apache-2.0 · v1.15.1（本周发布） 节点自动扩缩容的新一代实现，比 Cluster Autoscaler 更贴近应用侧的调度需求。成本优化里"该不该开这台机器"的问题，它回答得比 CA 利落。
prometheus-operator/prometheus-operator · ★9k+ · Go · Apache-2.0 · v0.94.2（本周发布） 把 Prometheus、Alertmanager、ServiceMonitor 都变成 CRD 来管。自建 Prometheus 的团队基本都会用它，本周的 v0.94.2 是补丁版。
k8sgpt-ai/k8sgpt · ★8.3k · Go · Apache-2.0 · 最新 v0.4.41 用 LLM 扫集群问题并给出可读的诊断结论，支持接多种模型后端。适合当"集群巡检"工具定期跑，而不是实时排障。
crossplane/crossplane · ★12.2k · Go · Apache-2.0 · 最新 v2.4.3 用 K8s 的声明式 API 管云资源，把云厂商、中间件都变成 CRD。平台工程团队要做"自服务基础设施"，它是绕不开的一块。
kedacore/keda · ★10.7k · Go · Apache-2.0 · 最新 v2.21.0 按事件源（队列长度、MQ 积压）伸缩，补 HPA 只能看 CPU/内存的短板。成本优化里最先该上的一件工具。
cert-manager/cert-manager · ★14.1k · Go · Apache-2.0 · 最新 v1.20.5 / v1.21.3 证书自动签发续期，K8s 生态的标配。证书过期导致的故障，本质上都是没上它。
traefik/traefik · ★65.4k · Go · MIT 云原生网关/反向代理，动态配置、自动感知 K8s 资源。入口层如果还在手写 Nginx 配置，可以看看它。
cilium/cilium · ★25.7k · Go · Apache-2.0 基于 eBPF 的网络、安全和可观测性。除了网络性能，更值得注意的是它带来的网络层可观测能力——不用改代码就能拿到 L3/L4 流量视图。
🔁 发布与 IaC
argoproj/argo-cd · ★24.5k · Go · Apache-2.0 GitOps 的事实标准，集群状态以 Git 为准。发布链路要从"人推"变成"系统拉"，基本都从它开始。
runatlantis/atlantis · ★9.3k · Go · Apache-2.0 在 PR 里跑 terraform plan 并回帖，让 IaC 改动走评审流程。terraform 用得多的团队，这个能显著降低误操作。
aquasecurity/trivy · ★38.9k · Go · Apache-2.0 扫漏洞、配置错误、密钥、SBOM，容器和 IaC 都能扫。CI 里串一道它，成本低收益高。
nektos/act · ★72.5k · Go · MIT 本地跑 GitHub Actions。调试流水线不用反复推 commit 等 CI，省下来的时间比想象中多。
🧪 混沌工程
chaos-mesh/chaos-mesh · ★8.0k · Go · Apache-2.0 · 最新 v2.8.7（本周发布） K8s 上的混沌工程平台，网络、Pod、IO、压力都能注入。验证 SLO 和告警规则有没有真的生效，靠的就是它。
litmuschaos/litmus · ★5.7k · Go · Apache-2.0 CNCF 的混沌工程框架，实验以 CRD 形式定义，可以编进流水线做门禁。
三、本周新晋项目
这一栏放"新"而不是"大"的项目。star 数字不一定好看，但方向值得记一笔。
HolmesGPT/holmesgpt · ★3.7k · 2024 年创建 前面已经提到，这里再强调一次：它是这波 AI SRE 里少数有 CNCF Sandbox 身份的项目，值得放进观察列表。
abahmed/kwatch · ★1.0k · 2021 年创建，近期活跃 只有一千多 star，但这周描述改成了"tracks every failure to its root cause"，说明作者在往根因分析方向收。小工具找准了单点痛点，就不会没人用。
本周 GitHub 整体热榜被游戏、编辑器、安卓去广告类项目占据，SRE 相关的新项目反而不多。这本身是个信号：这一波的热度集中在消费级应用和 AI 工具上，基础设施侧的创新节奏在放缓，更多是在既有项目上做增强。
四、下周观察
- MCP 会不会变成可观测性项目的标配：Nightingale 上了 MCP Server，SigNoz 有 MCP 和 AI teammate，OpenStatus 的 topics 里也有
mcp-server。如果三四个项目同时在做，说明"给 Agent 开放查询接口"正在从加分项变成及格线。下周看看有没有新项目跟。 - AI SRE Agent 的实际落地效果：opensre 和 HolmesGPT 都在做同一件事——把告警、日志、指标喂给 Agent 出根因假设。这类项目的真实价值不在 demo，而在接入你们自己那套又脏又乱的环境后还能不能用。留意它们的 issue 区里"接入 X 平台失败"的反馈量。
数据抓取于 2026-11-01 · star 数为当日快照 · 收录标准见周刊说明