Laravel AI Log Analysis

Laravel 日志分析 AI

一个基于人工智能的日志分析系统，能够自动监控、向量化处理和分析Laravel应用程序日志，以检测事件并评估其严重程度。

特点/特性

• 实时日志监控MCP服务器集成以实现持续监控日志文件
• AI驱动的分析通过Prism使用大型语言模型（如Claude、GPT等）分析日志条目
• 语义搜索向量嵌入支持基于相似性的日志分组
• 事件检测自动严重程度分类（低、中、高、严重）
• 关键警报系统可关闭的横幅用于显示关键事件，并跟踪查看状态
• 测试错误生成器一键生成5-10条随机测试日志，并自动进行AI分析
• 交互式仪表板采用Livewire驱动的用户界面，支持实时更新和轮询功能
• 异步处理基于队列的可扩展分析架构

技术栈

• Laravel 12最新的Laravel框架
• Prism v0.96多供应商大语言模型（LLM）集成
• Overpass v0.7（过路系统/覆盖程序 版本0.7）用于嵌入的Python机器学习桥梁
• Livewire 3 + Volt（可译为“Livewire 3 加上 Volt”或根据具体语境简化为“Livewire 3 Volt”，但为保持原样，直译为“Livewire 3 加 Volt”）交互式实时仪表盘
• Laravel MCP v0.3模型上下文协议服务器
• SQLite以JSON格式存储的向量嵌入，用于未来的语义搜索
• Tailwind CSS v4（版本4）现代风格，支持深色模式
• 句子变换器（或句子嵌入模型）用于384维嵌入的all-MiniLM-L6-v2模型

先决条件

• PHP 8.2 或更高版本
• Composer（注：在编程领域，Composer 通常指的是一个用于 PHP 项目的依赖管理工具，但在此仅作为普通词汇翻译）
• Node.js & NPM
• Python 3.9或更高版本
• SQLite 3.x

安装

1. 克隆仓库

   git clone 
   cd LogAnalysisAi

1. 安装PHP依赖项

   composer install

1. 安装Node依赖项

   npm install

1. 设置环境文件

   cp .env.example .env
   php artisan key:generate

1. 配置数据库

默认的 SQLite 数据库已经配置在 .env：

   DB_CONNECTION=sqlite
   DB_DATABASE=database/database.sqlite

创建数据库文件：

   touch database/database.sqlite

1. 运行迁移

   php artisan migrate

1. 为Overpass安装Python依赖项

   cd overpass-ai
   pip3 install -r requirements.txt
   cd ..

注：首次运行时将下载sentence-transformers模型（约80MB）。

配置

AI服务提供商设置

在（系统/应用中）配置您偏好的大型语言模型（LLM）提供商 .env：

对于Anthropic的Claude：

LOG_ANALYSIS_PROVIDER=anthropic
LOG_ANALYSIS_MODEL=claude-3-haiku-20240307
ANTHROPIC_API_KEY=your_api_key_here

对于OpenAI：

LOG_ANALYSIS_PROVIDER=openai
LOG_ANALYSIS_MODEL=gpt-4-turbo
OPENAI_API_KEY=your_api_key_here

分析参数

调整AI分析设置：

LOG_ANALYSIS_MAX_TOKENS=200
LOG_ANALYSIS_TEMPERATURE=0.3

Python桥接配置

Overpass 已预配置为使用 overpass-ai 目录。确保已激活 Python 3.9+：

python3 --version  # Should show Python 3.9 or higher

运行应用程序

快速入门（推荐）

使用单个命令一次性启动所有服务：

composer run dev

这将启动：Web服务器、队列工作进程、日志查看器（Pail）以及Vite开发服务器。

个性化服务

或者，分别运行服务：

1. 启动开发服务器

php artisan serve

2. 启动队列工作者 在另一个终端中：

php artisan queue:work

3. 构建前端资源 用于开发：

npm run dev

对于生产：

npm run build

4. MCP 服务器（可选） MCP服务器随网络服务器自动运行。访问地址为：

http://loganalysisai.test/mcp/log-watcher

使用MCP Inspector进行测试：

php artisan mcp:inspector

使用

网络仪表板

访问 http://loganalysisai.test （如果使用 Laravel Herd）或者 http://localhost:8000 以访问显示以下内容的交互式仪表板：

• 最近的日志条目（最新10条）
• AI检测到的事件（最近5起）
• 针对未查看事件的紧急警告横幅
• 实时刷新功能（每10秒自动轮询一次）

生成测试错误

仪表板上包含一个“生成测试错误”按钮，该按钮会创建5-10条具有不同严重程度（严重、错误、警告、信息、调试）的随机日志条目。这些日志会自动：

1. 写给 storage/logs/laravel.log
2. 通过分析流程进行处理
3. 使用sentence-transformers进行向量化
4. 由您配置的大型语言模型（LLM）进行分析
5. 在仪表板上以严重程度分类显示

这是测试完整AI分析工作流程的最简单方法。

关键警报

当系统检测到严重事件（如磁盘空间警告或数据库连接池耗尽）时，这些事件会以红色警报横幅的形式出现在仪表板顶部。您可以点击X按钮来关闭这些警报，点击后它们会被标记为“已查看”，并防止再次出现。

MCP集成

该应用程序包含一个用于AI助手集成的MCP（模型上下文协议）服务器。它可在 /mcp/log-watcher 并提供：

• 工具： monitor_logs - 使用AI处理最近的日志条目
• 资源: log_entries - 访问分析后的日志数据

监控日志

您可以手动触发日志分析：

use App\Actions\LogMonitor;

$monitor = new LogMonitor();
$monitor->handleNewLine('[2024-10-22 12:00:00] production.ERROR: Database connection failed');

生成测试数据

测试完整分析流程的最佳方法是生成真实的日志条目：

php artisan tinker

// Generate log entries that will be analyzed by AI
Log::error('Database connection failed');
Log::warning('High memory usage detected: 95%');
Log::error('API rate limit exceeded for endpoint /users');
Log::critical('Payment gateway timeout - transaction failed');
exit

这些日志将自动：

1. 被日志监控器检测到
2. 触发分析队列作业
3. 通过Overpass获取矢量化数据
4. 由Prism AI进行分析
5. 在仪表板上创建可见的事件

或者，使用工厂方法创建示例数据（跳过分析）：

// Create log entries without analysis
App\Models\LogEntry::factory()->count(20)->create();

// Create incidents directly
App\Models\Incident::factory()->count(5)->create();

开发命令

使用 Laravel Pint 格式化代码：

vendor/bin/pint

检查特定文件：

vendor/bin/pint --dirty

运行 Tinker REPL：

php artisan tinker

清除所有缓存：

php artisan optimize:clear

项目结构

app/
├── Actions/           # Domain logic classes
│   ├── LogMonitor.php
│   ├── LogVectorizer.php
│   ├── LogAnalyzer.php
│   └── IncidentManager.php
├── Jobs/              # Queue jobs
│   └── AnalyzeLogJob.php
├── Mcp/               # MCP server components
│   ├── Servers/
│   ├── Tools/
│   └── Resources/
└── Models/            # Eloquent models
    ├── LogEntry.php
    ├── LogVector.php
    └── Incident.php

overpass-ai/           # Python ML bridge
├── main.py
├── vectorize.py
└── requirements.txt

resources/views/livewire/  # Volt components
└── log-dashboard.blade.php

建筑学

该应用程序遵循了整洁架构模式：

1. 日志摄入: LogMonitor 创造 LogEntry 记录
2. 异步处理： AnalyzeLogJob 被派入队列
3. 向量化： LogVectorizer 通过Overpass生成嵌入表示
4. AI分析: LogAnalyzer 使用Prism来评估严重程度
5. 事件创建: IncidentManager 存储分析结果
6. 仪表盘显示Livewire展示实时洞察

常见问题

队列未处理

确保队列工作者正在运行：

php artisan queue:work --verbose

Python环境错误

重新安装Python依赖项：

cd overpass-ai
pip3 install --upgrade -r requirements.txt

如果你看到“ModuleNotFoundError: No module named 'sentence_transformers'”，请确保你已经安装了所需的模块。

大语言模型（LLM）API错误

请检查您的API密钥配置，并确保您有足够的信用额度/配额：

php artisan tinker
>>> config('prism.providers.anthropic.api_key')

数据库锁定错误

SQLite 的并发能力有限。对于生产环境，请考虑使用 PostgreSQL 或 MySQL。

教程

这个项目旨在作为将AI功能集成到Laravel应用中的高级教程。它展示了：

• 通过Prism实现多供应商大型语言模型（LLM）集成
• Python与Overpass的机器学习桥梁
• MCP服务器实现
• 实时Livewire仪表板
• 基于队列的异步处理
• 用于领域逻辑组织的主动模式

一份涵盖架构、模式和实现细节的全面教程已备好，可供查阅 .ai/tutorial.md该教程面向高级Laravel开发者，内容涵盖：

• 主动模式及其相较于传统服务类的优势所在
• 使用Overpass的Python/PHP桥接架构
• 使用 SQLite JSON 列进行向量存储
• 通过Prism实现大型语言模型（LLM）与结构化输出的集成
• 用于人工智能无障碍的MCP服务器实现
• 从日志摄入到事件检测的完整请求流程

注这是一个教育项目。为了专注于核心功能，故意省略了自动化测试。

许可证

这个项目是开源软件，采用MIT许可证授权。