AdArte

ALLERTA PREDITTIVA (LEONARDO ENGINE)
Severita Ricalcolata dall'AI: WARNING
Probabilita Impatto Ricalcolata: 73%
Time-to-Impact Stimato: 107 minuti

Soluzione / Procedura Operativa Prioritaria:

• Raccogliere log applicativi e infrastrutturali del timeframe del sintomo prima di applicare modifiche.
• Isolare il workflow fallito e riprodurre la chiamata con gli stessi parametri utente o di sistema.
• Correlare log applicazione, reverse proxy e database per distinguere bug, timeout o dipendenza non raggiungibile.

Step di Diagnosi ed Esecuzione:

• Usare la query Datadog riportata sotto per aprire log/APM nello stesso timeframe e verificare se esistono errori sul servizio coinvolto.

Dati Datadog / Telemetry:

• finestra analizzata: ultimi 180 minuti
• chiavi evento usate per la ricerca: dobbiamo, avvisare, altrimenti
• topologia: No Datadog hosts matched target: dobbiamo,avvisare,altrimenti
• logs: nessun evento trovato. Query: "dobbiamo" OR "avvisare" OR "altrimenti"

Contesto Operativo:

• Teams message. dobbiamo avvisare RTI ma altrimenti si

Previsione e Contesto (RAG + LLM):
Gli eventi indicano: dobbiamo avvisare RTI ma altrimenti si.

La memoria storica piu rilevante segnala: Per ora il servizio non risponde alle nostre necessità, ma intanto possiamo impostarlo.

Causa probabile da verificare: Per ora il servizio non risponde alle nostre necessità, ma intanto possiamo impostarlo.

Prima azione consigliata: Raccogliere log applicativi e infrastrutturali del timeframe del sintomo prima di applicare modifiche.

Sistemi Coinvolti: ['KNOWLEDGE', 'BASE', 'JIRA', 'TICKET']

ROOT CAUSE PROBABILE:

• Per ora il servizio non risponde alle nostre necessità, ma intanto possiamo impostarlo.

Tracciato Deduttivo / Ricalibrazione:

• Eventi correlati: 1; sorgenti: teams.
• Severita matematica/predittiva: WARNING con probabilita 73%.
• Modelli verticali selezionati: dataset prometheus e grafana, dataset redhat enterprise linux rhel, dataset terraform infrastructure as code.
• Motore usato: Qwen2.5-3B-Instruct-Q5_K_M.gguf; LoRA: esperto_prometheus_e_grafana_lora.gguf.

--- EVENTI ORIGINALI CHE HANNO SCATENATO L'ALLARME ---

--- ORIGINE: TEAMS ---
Oggetto: Teams message
Mittente: Paolo Ciucci
Dettaglio: dobbiamo avvisare RTI ma altrimenti si

--- MEMORIA STORICA UTILIZZATA (RAG) ---

• Per ora il servizio non risponde alle nostre necessità, ma intanto possiamo impostarlo.
• Nel repo fe-com-components imposta un metodo nel services.ts per invocare la ricerca dei complessi archivistici.
• Nota che le differenze con la chiamata degli agenti sono 2: la query definition è ora objects i filtri sono impostati con category fonds Inoltre fai in modo che il componente di selezione complessi archivistici (SelectArchiveComplexModal.tsx) invochi il metodo del service, passando i soggetti produttori che dobrebbe aver ricevuto in ingresso.

--- PARERI ESPERTI VERTICALI ---

• Nessun parere multi-esperto disponibile

--- MODELLI VERTICALI UTILIZZATI ---

• dataset prometheus e grafana (dataset, score=0.47, reason=semantic contrastive match)
• dataset redhat enterprise linux rhel (dataset, score=0.40, reason=semantic contrastive match)
• dataset terraform infrastructure as code (dataset, score=0.39, reason=semantic contrastive match)

Predictive Ticket generato da PRISM.AI - Leonardo ML Engine