OpenRCA

用大模型自动定位软件故障根因，减少排查时间

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 54 🐛 待处理 14 👀 关注 5

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 451

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队microsoft

官网地址https://aka.ms/openrca

GitHubhttps://github.com/microsoft/OpenRCA

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmark,large-language-models,llm,llm-agent,rca,root-cause-analysis,software-engineering

GitHub 星标★ 451

上线时间2024-10-30 00:00:00

代码更新2026-11-04

仓库体积3.1 MB

本站数据更新2026-11-07

维护状态活跃

收录时间2026-08-09

浏览次数8

项目介绍

OpenRCA 是一个研究项目，旨在探索大语言模型（LLM）能否自动定位软件故障的根因。它基于 ICLR'25 论文，提供了完整的实验框架和数据集，用于评估 LLM 在根因分析（RCA）任务上的表现。该项目解决的核心问题是：当软件系统出现故障时，如何利用 LLM 从海量日志、指标和调用链中快速、准确地找出根本原因，从而减少人工排查时间。核心能力包括：构建了标准化的 RCA 基准数据集，支持多种 LLM 的接入与评测，提供了可复现的实验流程和评估指标。通过该系统，研究者可以对比不同 LLM 在根因定位上的效果，推动 AI 运维（AIOps）领域的发展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 451

技术标签

benchmark large-language-models llm llm-agent software-engineering

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 55 分钟部署方式：本地安装 5 步

环境要求

Python 3.10+
较大磁盘空间
模型 API Key

安装与启动步骤

1拉仓库装依赖

评测与生成两套流程共用一份代码。
```
git clone https://github.com/microsoft/OpenRCA.git
```
2装 Python 依赖

它需要较多分析库，建议独立环境。
```
pip install -r requirements.txt
```
3先跑基准评测

用自带数据跑一遍，看模型在根因分析上的基线分数。
```
python -m main.evaluate --help
```
4再跑单数据集

先挑银行那个数据集，规模最小。
```
python -m rca.run_agent_standard --dataset Bank
```
5生成自己的答案

接自己的模型与数据，注意输出格式要与评测器对齐。
```
python -m main.generate --help
```