[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-smartloli--EFAK":3,"tool-smartloli--EFAK":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",153609,2,"2026-04-13T11:34:59",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":75,"owner_location":76,"owner_email":75,"owner_twitter":75,"owner_website":77,"owner_url":78,"languages":79,"stars":104,"forks":105,"last_commit_at":106,"license":107,"difficulty_score":10,"env_os":108,"env_gpu":109,"env_ram":110,"env_deps":111,"category_tags":123,"github_topics":124,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":130,"updated_at":131,"faqs":132,"releases":162},7100,"smartloli\u002FEFAK","EFAK","A AI-Driven, Distributed and high-performance monitoring system, for comprehensive monitoring and management of kafka cluster.","EFAK（Eagle For Apache Kafka）是一款专为 Kafka 集群打造的高性能智能监控与管理平台。它深度融合了人工智能技术，旨在解决传统运维中监控数据繁杂、故障定位困难以及缺乏智能化决策支持等痛点，为 Kafka 的稳定运行提供全方位保障。\n\n无论是负责大数据基础设施的开发者、运维工程师，还是需要实时掌握集群状态的技术团队，都能通过 EFAK 获得极大的便利。其核心亮点在于\"AI 驱动”的运维体验：系统集成了 OpenAI、Claude 等多种大语言模型，支持自然语言对话式查询。用户只需像与专家交谈一样提问，EFAK 即可自动调用后端函数获取实时数据，生成可视化图表，并提供专业的故障诊断与优化建议。\n\n除了智能交互，EFAK 还具备强大的实时监控能力，覆盖 Broker 状态、消费延迟、吞吐量等关键指标，并支持多集群统一管理。基于 Spring Boot 3 和 JDK 17 构建，它采用分布式任务调度机制，确保在高负载下依然保持高效稳定。同时，系统提供灵活的告警管理与多渠道通知功能，帮助团队快速响应异常。无论是通过 Docker 一键部署还是传统安装包方式，EFAK","EFAK（Eagle For Apache Kafka）是一款专为 Kafka 集群打造的高性能智能监控与管理平台。它深度融合了人工智能技术，旨在解决传统运维中监控数据繁杂、故障定位困难以及缺乏智能化决策支持等痛点，为 Kafka 的稳定运行提供全方位保障。\n\n无论是负责大数据基础设施的开发者、运维工程师，还是需要实时掌握集群状态的技术团队，都能通过 EFAK 获得极大的便利。其核心亮点在于\"AI 驱动”的运维体验：系统集成了 OpenAI、Claude 等多种大语言模型，支持自然语言对话式查询。用户只需像与专家交谈一样提问，EFAK 即可自动调用后端函数获取实时数据，生成可视化图表，并提供专业的故障诊断与优化建议。\n\n除了智能交互，EFAK 还具备强大的实时监控能力，覆盖 Broker 状态、消费延迟、吞吐量等关键指标，并支持多集群统一管理。基于 Spring Boot 3 和 JDK 17 构建，它采用分布式任务调度机制，确保在高负载下依然保持高效稳定。同时，系统提供灵活的告警管理与多渠道通知功能，帮助团队快速响应异常。无论是通过 Docker 一键部署还是传统安装包方式，EFAK 都能让用户轻松搭建起属于自己的 Kafka 智能运维中心，让复杂的数据流管理变得简单可控。","# EFAK-AI (Eagle For Apache Kafka - AI Enhanced)\n\n[![Version](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-5.0.0-blue.svg)](https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK)\n[![Java](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FJava-17-orange.svg)](https:\u002F\u002Fopenjdk.java.net\u002Fprojects\u002Fjdk\u002F17\u002F)\n[![Spring Boot](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSpring%20Boot-3.4.5-green.svg)](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg)](LICENSE)\n\n[![Stargazers over time](https:\u002F\u002Fstarchart.cc\u002Fsmartloli\u002FEFAK.svg?variant=adaptive)](https:\u002F\u002Fstarchart.cc\u002Fsmartloli\u002FEFAK)\n\n## 项目简介\n\n**EFAK-AI (Eagle For Apache Kafka - AI)** 是一款开源的 Kafka 智能监控与管理平台，融合了人工智能技术，为 Kafka 运维提供智能化、可视化、自动化的全方位解决方案。\n\n### 🎯 核心优势\n\n- **🧠 AI 驱动**: 集成主流大语言模型（OpenAI、Claude、DeepSeek 等），提供智能对话式运维\n- **📊 实时监控**: 全方位监控 Kafka 集群健康状态、性能指标、消费延迟等关键数据\n- **🚀 高性能**: 基于 Spring Boot 3.x 和 JDK 17，采用响应式编程和异步处理\n- **🔧 易部署**: 支持 Docker 一键部署和传统 tar.gz 安装包两种方式\n\n## 核心特性\n\n### 🤖 AI 智能助手\n- **多模型支持**: 集成 OpenAI、Claude、DeepSeek 等多种大语言模型\n- **Function Calling**: AI 可自动调用后端函数查询实时数据\n- **图表自动生成**: 根据时序数据自动生成可视化图表\n- **Kafka 专家**: 专业的 Kafka 集群分析、性能优化和故障诊断建议\n- **流式对话**: 基于 SSE 的实时流式响应，体验更流畅\n- **Markdown 渲染**: 支持代码高亮、表格、Mermaid 图表等丰富格式\n- **对话历史**: 完整的会话管理和历史记录功能\n\n### 📊 集群监控\n- **实时监控**: Broker 节点状态、主题分区、消费者组监控\n- **性能指标**: 吞吐量、延迟、存储容量等关键指标\n- **历史数据**: 长期趋势分析和性能对比\n- **多集群支持**: 同时管理多个 Kafka 集群\n\n### ⚡ 分布式任务调度\n- **智能分片**: 基于 Redis 的分布式任务分片执行\n- **故障转移**: 自动检测节点故障并重新分配任务\n- **负载均衡**: 动态调整任务分配，优化资源利用\n- **单节点优化**: 自动检测单节点环境，跳过分片逻辑\n\n### 🚨 告警管理\n- **多渠道告警**: 支持钉钉、微信、飞书等多种告警渠道\n- **智能阈值**: 基于历史数据的动态阈值调整\n- **告警聚合**: 避免告警风暴，提供告警聚合和降噪\n- **可视化配置**: 直观的告警规则配置界面\n\n## 技术架构\n\n### 模块结构\n```\nEFAK-AI\u002F\n├── efak-ai\u002F          # 告警功能模块\n├── efak-core\u002F        # 核心功能模块 (Kafka 连接、监控逻辑)\n├── efak-dto\u002F         # 数据传输对象\n├── efak-tool\u002F        # 工具类模块\n└── efak-web\u002F         # Web 应用模块 (控制器、服务、前端)\n```\n\n### 技术栈\n- **后端框架**: Spring Boot 3.4.5\n- **数据库**: MySQL 8.0+ (主数据库)\n- **缓存**: Redis 6.0+ (分布式锁、任务调度)\n- **消息队列**: Apache Kafka 4.0.0\n- **ORM**: MyBatis 3.0.4\n- **前端**: Thymeleaf\n- **构建工具**: Maven 3.6+\n- **Java 版本**: JDK 17\n\n## 快速开始\n\nEFAK-AI 提供两种部署方式：**Docker 容器化部署**（推荐）和 **tar.gz 安装包部署**。\n\n### 🚀 一键启动（超简单！）\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK-AI.git\ncd EFAK-AI\n\n# 运行快速启动脚本\n.\u002Fquick-start.sh\n```\n\n快速启动脚本提供：\n1. Docker 一键部署\n2. tar.gz 安装包构建\n3. 日志查看和服务管理\n\n### 方式一：Docker 部署（推荐）⚡\n\n#### 环境要求\n- Docker Desktop 4.43.2+\n- Docker Compose 2.0+\n\n#### 一键启动\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 2. 启动所有服务（包括 MySQL、Redis）\ndocker-compose up -d\n\n# 3. 查看日志\ndocker-compose logs -f efak-ai\n\n# 4. 访问应用\n# http:\u002F\u002Flocalhost:8080\n# 默认账号: admin \u002F admin\n\n# 5. 重置密码\n# http:\u002F\u002Flocalhost:8080\u002Fpassword-tool\n```\n\n#### 启动 Nginx 反向代理（可选）\n```bash\n# 使用 nginx profile 启动\ndocker-compose --profile nginx up -d\n\n# 通过 http:\u002F\u002Flocalhost (80端口) 访问\n```\n\n#### 常用 Docker 命令\n```bash\n# 查看运行状态\ndocker-compose ps\n\n# 停止服务\ndocker-compose down\n\n# 重启服务\ndocker-compose restart efak-ai\n\n# 查看日志\ndocker-compose logs -f\n```\n\n### 方式二：tar.gz 安装包部署\n\n#### 环境要求\n- JDK 17+\n- MySQL 8.0+\n- Redis 6.0+\n\n#### 1. 构建安装包\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 执行构建脚本\n.\u002Fbuild-package.sh\n\n# 生成安装包: efak-5.0.0.tar.gz\n```\n\n#### 2. 部署安装包\n```bash\n# 传输到服务器（如果需要）\nscp efak-ai-5.0.0.tar.gz user@server:\u002Fopt\u002F\n\n# 解压\ncd \u002Fopt\ntar -zxvf efak-ai-5.0.0.tar.gz\ncd efak-ai-5.0.0\n\n# 目录结构\n# bin\u002F      - 启动脚本\n# config\u002F   - 配置文件\n# libs\u002F     - JAR 包\n# logs\u002F     - 日志目录\n# sql\u002F      - SQL 脚本\n```\n\n#### 3. 初始化数据库\n```bash\nmysql -u root -p\nCREATE DATABASE efak_ai CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;\nUSE efak_ai;\nSOURCE \u002Fopt\u002Fefak-ai-5.0.0\u002Fsql\u002Fke.sql;\n```\n\n#### 4. 修改配置\n编辑 `config\u002Fapplication.yml`:\n```yaml\nspring:\n  datasource:\n    url: jdbc:mysql:\u002F\u002Flocalhost:3306\u002Fefak_ai?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia\u002FShanghai\n    username: root\n    password: your_password\n  data:\n    redis:\n      host: localhost\n      port: 6379\n```\n\n#### 5. 启动应用\n```bash\n# 启动\n.\u002Fbin\u002Fstart.sh\n\n# 查看日志\ntail -f logs\u002Fefak-ai.log\n\n# 查看状态\n.\u002Fbin\u002Fstatus.sh\n\n# 停止\n.\u002Fbin\u002Fstop.sh\n\n# 重启\n.\u002Fbin\u002Frestart.sh\n```\n\n#### 6. 访问应用\n- 应用地址: http:\u002F\u002Flocalhost:8080\n- 默认账号: admin \u002F admin123\n\n#### 7. 验证进程\n```bash\n# 查看进程（进程名显示为 KafkaEagle）\nps aux | grep KafkaEagle\n```\n\n### 详细部署文档\n\n完整的部署指南、配置说明和故障排查，请参阅：\n- 📖 [详细部署文档](efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fdocs\u002FDEPLOY.md)\n- 🚀 [功能预览文档](efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fdocs\u002FFEATURE_PREVIEW.md)\n\n\n## 开发指南\n\n### 本地开发环境\n\n#### 环境要求\n- JDK 17+\n- Maven 3.6+\n- MySQL 8.0+\n- Redis 6.0+\n\n#### 开发步骤\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 2. 创建数据库并导入 SQL 脚本\nmysql -u root -p\nCREATE DATABASE efak_ai CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;\nUSE efak_ai;\nSOURCE efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fsql\u002Fke.sql;\n# ... 导入其他 SQL 脚本\n\n# 3. 修改配置文件\nvi efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fapplication.yml\n\n# 4. 编译项目\nmvn clean compile -DskipTests\n\n# 5. 运行应用\ncd efak-web\nmvn spring-boot:run\n```\n\n## 配置说明\n\n### 核心配置文件\n\n#### application.yml\n```yaml\n# 数据库配置\nspring:\n  datasource:\n    url: jdbc:mysql:\u002F\u002Flocalhost:3306\u002Fefak_ai?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia\u002FShanghai\n    username: root\n    password: admin123\n\n# Redis 配置\n  data:\n    redis:\n      host: localhost\n      port: 6379\n      database: 0\n\n# 服务端口\nserver:\n  port: 8080\n```\n\n### 环境变量配置（Docker）\n\n| 变量名 | 说明 | 默认值 |\n|--------|------|--------|\n| `SPRING_DATASOURCE_URL` | 数据库连接 URL | jdbc:mysql:\u002F\u002Fmysql:3306\u002Fefak_ai |\n| `SPRING_DATASOURCE_USERNAME` | 数据库用户名 | root |\n| `SPRING_DATASOURCE_PASSWORD` | 数据库密码 | admin123 |\n| `SPRING_DATA_REDIS_HOST` | Redis 主机 | redis |\n| `SPRING_DATA_REDIS_PORT` | Redis 端口 | 6379 |\n| `SERVER_PORT` | 应用端口 | 8080 |\n| `JAVA_OPTS` | JVM 参数 | -Xms512m -Xmx2g |\n\n### JVM 参数调优\n\n根据服务器内存调整：\n```bash\n# 小内存（2GB）\nJAVA_OPTS=\"-Xms256m -Xmx1g -XX:+UseG1GC\"\n\n# 中等内存（4GB）\nJAVA_OPTS=\"-Xms512m -Xmx2g -XX:+UseG1GC\"\n\n# 大内存（8GB+）\nJAVA_OPTS=\"-Xms1g -Xmx4g -XX:+UseG1GC -XX:MaxGCPauseMillis=200\"\n```\n\n## API 文档\n\n### 健康检查 API\n```bash\n# 基础健康检查\nGET \u002Fhealth\u002Fcheck\n\n# 响应示例\n{\n    \"application\": \"EFAK-AI\",\n    \"port\": \"8080\",\n    \"version\": \"5.0.0\",\n    \"status\": \"UP\",\n    \"timestamp\": \"2025-10-06T23:32:47.392037\"\n}\n```\n\n### AI 助手 API\n```bash\n# SSE 流式聊天（推荐）\nGET \u002Fapi\u002Fchat\u002Fstream?modelId=1&message=分析集群性能&clusterId=xxx&enableCharts=true\n\n# 返回: Server-Sent Events 流式响应\ndata: {\"type\":\"thinking\",\"content\":\"正在分析...\"}\ndata: {\"type\":\"content\",\"content\":\"根据查询结果...\"}\ndata: {\"type\":\"chart\",\"chartData\":\"{\\\"type\\\":\\\"line\\\",...}\"}\ndata: {\"type\":\"end\"}\n```\n\n### 集群监控 API\n```bash\n# 获取集群列表\nGET \u002Fapi\u002Fcluster\u002Flist\n\n# 获取集群详情\nGET \u002Fapi\u002Fcluster\u002Finfo?clusterId=xxx\n\n# 获取 Broker 信息\nGET \u002Fapi\u002Fcluster\u002Fbrokers?clusterId=xxx\n\n# 获取 Topic 列表\nGET \u002Fapi\u002Ftopic\u002Flist?clusterId=xxx\n\n# 获取 Topic 指标\nGET \u002Fapi\u002Ftopic\u002Fmetrics?clusterId=xxx&topic=xxx\n\n# 获取消费者组信息\nGET \u002Fapi\u002Fconsumer\u002Fgroups?clusterId=xxx\n```\n\n## 开发指南\n\n### 项目结构\n```\nefak-web\u002Fsrc\u002Fmain\u002Fjava\u002Forg\u002Fkafka\u002Feagle\u002F\n├── web\u002F\n│   ├── controller\u002F     # 控制器层\n│   ├── service\u002F        # 服务层\n│   ├── mapper\u002F         # 数据访问层\n│   ├── config\u002F         # 配置类\n│   ├── security\u002F       # 安全配置\n│   └── scheduler\u002F      # 任务调度\n├── core\u002F               # 核心业务逻辑\n├── dto\u002F                # 数据传输对象\n└── tool\u002F               # 工具类\n```\n\n### 开发规范\n- 使用 Java 17 特性\n- 遵循 Spring Boot 最佳实践\n- 使用 Lombok 简化代码\n- 统一异常处理和日志记录\n- 编写单元测试和集成测试\n\n## 贡献指南\n\n1. Fork 项目\n2. 创建特性分支 (`git checkout -b feature\u002FAmazingFeature`)\n3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature\u002FAmazingFeature`)\n5. 打开 Pull Request\n\n## 许可证\n\n本项目基于 Apache License 2.0 许可证开源。详情请参阅 [LICENSE](LICENSE) 文件。\n\n## 联系方式\n\n- 官网主页: https:\u002F\u002Fwww.kafka-eagle.org\u002F\n- 项目主页: https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\n- 问题反馈: https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\n- 作者: Mr.SmartLoli\n\n## 更新日志\n\n### v5.0.0 (2025-10-06)\n- ✨ 集成 AI 智能助手功能\n- ✨ 实现分布式任务调度系统\n- ✨ 支持多种大语言模型\n- ✨ 完善告警管理系统\n- ✨ 优化用户界面和用户体验\n\n---\n\n**EFAK-AI** - 让 Kafka 监控更智能，让运维更高效！\n","# EFAK-AI（Eagle For Apache Kafka - AI 增强版）\n\n[![版本](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-5.0.0-blue.svg)](https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK)\n[![Java](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FJava-17-orange.svg)](https:\u002F\u002Fopenjdk.java.net\u002Fprojects\u002Fjdk\u002F17\u002F)\n[![Spring Boot](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSpring%20Boot-3.4.5-green.svg)](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot)\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg)](LICENSE)\n\n[![星标随时间变化](https:\u002F\u002Fstarchart.cc\u002Fsmartloli\u002FEFAK.svg?variant=adaptive)](https:\u002F\u002Fstarchart.cc\u002Fsmartloli\u002FEFAK)\n\n## 项目简介\n\n**EFAK-AI (Eagle For Apache Kafka - AI)** 是一款开源的 Kafka 智能监控与管理平台，融合了人工智能技术，为 Kafka 运维提供智能化、可视化、自动化的全方位解决方案。\n\n### 🎯 核心优势\n\n- **🧠 AI 驱动**: 集成主流大语言模型（OpenAI、Claude、DeepSeek 等），提供智能对话式运维\n- **📊 实时监控**: 全方位监控 Kafka 集群健康状态、性能指标、消费延迟等关键数据\n- **🚀 高性能**: 基于 Spring Boot 3.x 和 JDK 17，采用响应式编程和异步处理\n- **🔧 易部署**: 支持 Docker 一键部署和传统 tar.gz 安装包两种方式\n\n## 核心特性\n\n### 🤖 AI 智能助手\n- **多模型支持**: 集成 OpenAI、Claude、DeepSeek 等多种大语言模型\n- **Function Calling**: AI 可自动调用后端函数查询实时数据\n- **图表自动生成**: 根据时序数据自动生成可视化图表\n- **Kafka 专家**: 专业的 Kafka 集群分析、性能优化和故障诊断建议\n- **流式对话**: 基于 SSE 的实时流式响应，体验更流畅\n- **Markdown 渲染**: 支持代码高亮、表格、Mermaid 图表等丰富格式\n- **对话历史**: 完整的会话管理和历史记录功能\n\n### 📊 集群监控\n- **实时监控**: Broker 节点状态、主题分区、消费者组监控\n- **性能指标**: 吞吐量、延迟、存储容量等关键指标\n- **历史数据**: 长期趋势分析和性能对比\n- **多集群支持**: 同时管理多个 Kafka 集群\n\n### ⚡ 分布式任务调度\n- **智能分片**: 基于 Redis 的分布式任务分片执行\n- **故障转移**: 自动检测节点故障并重新分配任务\n- **负载均衡**: 动态调整任务分配，优化资源利用\n- **单节点优化**: 自动检测单节点环境，跳过分片逻辑\n\n### 🚨 告警管理\n- **多渠道告警**: 支持钉钉、微信、飞书等多种告警渠道\n- **智能阈值**: 基于历史数据的动态阈值调整\n- **告警聚合**: 避免告警风暴，提供告警聚合和降噪\n- **可视化配置**: 直观的告警规则配置界面\n\n## 技术架构\n\n### 模块结构\n```\nEFAK-AI\u002F\n├── efak-ai\u002F          # 告警功能模块\n├── efak-core\u002F        # 核心功能模块 (Kafka 连接、监控逻辑)\n├── efak-dto\u002F         # 数据传输对象\n├── efak-tool\u002F        # 工具类模块\n└── efak-web\u002F         # Web 应用模块 (控制器、服务、前端)\n```\n\n### 技术栈\n- **后端框架**: Spring Boot 3.4.5\n- **数据库**: MySQL 8.0+ (主数据库)\n- **缓存**: Redis 6.0+ (分布式锁、任务调度)\n- **消息队列**: Apache Kafka 4.0.0\n- **ORM**: MyBatis 3.0.4\n- **前端**: Thymeleaf\n- **构建工具**: Maven 3.6+\n- **Java 版本**: JDK 17\n\n## 快速开始\n\nEFAK-AI 提供两种部署方式：**Docker 容器化部署**（推荐）和 **tar.gz 安装包部署**。\n\n### 🚀 一键启动（超简单！）\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK-AI.git\ncd EFAK-AI\n\n# 运行快速启动脚本\n.\u002Fquick-start.sh\n```\n\n快速启动脚本提供：\n1. Docker 一键部署\n2. tar.gz 安装包构建\n3. 日志查看和服务管理\n\n### 方式一：Docker 部署（推荐）⚡\n\n#### 环境要求\n- Docker Desktop 4.43.2+\n- Docker Compose 2.0+\n\n#### 一键启动\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 2. 启动所有服务（包括 MySQL、Redis）\ndocker-compose up -d\n\n# 3. 查看日志\ndocker-compose logs -f efak-ai\n\n# 4. 访问应用\n# http:\u002F\u002Flocalhost:8080\n# 默认账号: admin \u002F admin\n\n# 5. 重置密码\n# http:\u002F\u002Flocalhost:8080\u002Fpassword-tool\n```\n\n#### 启动 Nginx 反向代理（可选）\n```bash\n# 使用 nginx profile 启动\ndocker-compose --profile nginx up -d\n\n# 通过 http:\u002F\u002Flocalhost (80端口) 访问\n```\n\n#### 常用 Docker 命令\n```bash\n# 查看运行状态\ndocker-compose ps\n\n# 停止服务\ndocker-compose down\n\n# 重启服务\ndocker-compose restart efak-ai\n\n# 查看日志\ndocker-compose logs -f\n```\n\n### 方式二：tar.gz 安装包部署\n\n#### 环境要求\n- JDK 17+\n- MySQL 8.0+\n- Redis 6.0+\n\n#### 1. 构建安装包\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 执行构建脚本\n.\u002Fbuild-package.sh\n\n# 生成安装包: efak-5.0.0.tar.gz\n```\n\n#### 2. 部署安装包\n```bash\n# 传输到服务器（如果需要）\nscp efak-ai-5.0.0.tar.gz user@server:\u002Fopt\u002F\n\n# 解压\ncd \u002Fopt\ntar -zxvf efak-ai-5.0.0.tar.gz\ncd efak-ai-5.0.0\n\n# 目录结构\n# bin\u002F      - 启动脚本\n# config\u002F   - 配置文件\n# libs\u002F     - JAR 包\n# logs\u002F     - 日志目录\n# sql\u002F      - SQL 脚本\n```\n\n#### 3. 初始化数据库\n```bash\nmysql -u root -p\nCREATE DATABASE efak_ai CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;\nUSE efak_ai;\nSOURCE \u002Fopt\u002Fefak-ai-5.0.0\u002Fsql\u002Fke.sql;\n```\n\n#### 4. 修改配置\n编辑 `config\u002Fapplication.yml`:\n```yaml\nspring:\n  datasource:\n    url: jdbc:mysql:\u002F\u002Flocalhost:3306\u002Fefak_ai?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia\u002FShanghai\n    username: root\n    password: your_password\n  data:\n    redis:\n      host: localhost\n      port: 6379\n```\n\n#### 5. 启动应用\n```bash\n# 启动\n.\u002Fbin\u002Fstart.sh\n\n# 查看日志\ntail -f logs\u002Fefak-ai.log\n\n# 查看状态\n.\u002Fbin\u002Fstatus.sh\n\n# 停止\n.\u002Fbin\u002Fstop.sh\n\n# 重启\n.\u002Fbin\u002Frestart.sh\n```\n\n#### 6. 访问应用\n- 应用地址: http:\u002F\u002Flocalhost:8080\n- 默认账号: admin \u002F admin123\n\n#### 7. 验证进程\n```bash\n# 查看进程（进程名显示为 KafkaEagle）\nps aux | grep KafkaEagle\n```\n\n### 详细部署文档\n\n完整的部署指南、配置说明和故障排查，请参阅：\n- 📖 [详细部署文档](efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fdocs\u002FDEPLOY.md)\n- 🚀 [功能预览文档](efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fdocs\u002FFEATURE_PREVIEW.md)\n\n\n## 开发指南\n\n### 本地开发环境\n\n#### 环境要求\n- JDK 17+\n- Maven 3.6+\n- MySQL 8.0+\n- Redis 6.0+\n\n#### 开发步骤\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 2. 创建数据库并导入 SQL 脚本\nmysql -u root -p\nCREATE DATABASE efak_ai CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;\nUSE efak_ai;\nSOURCE efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fsql\u002Fke.sql;\n# ... 导入其他 SQL 脚本\n\n# 3. 修改配置文件\nvi efak-web\u002Fsrc\u002Fmain\u002Fresources\u002Fapplication.yml\n\n# 4. 编译项目\nmvn clean compile -DskipTests\n\n# 5. 运行应用\ncd efak-web\nmvn spring-boot:run\n```\n\n## 配置说明\n\n### 核心配置文件\n\n#### application.yml\n```yaml\n# 数据库配置\nspring:\n  datasource:\n    url: jdbc:mysql:\u002F\u002Flocalhost:3306\u002Fefak_ai?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia\u002FShanghai\n    username: root\n    password: admin123\n\n# Redis 配置\n  data:\n    redis:\n      host: localhost\n      port: 6379\n      database: 0\n\n# 服务端口\nserver:\n  port: 8080\n```\n\n### 环境变量配置（Docker）\n\n| 变量名 | 说明 | 默认值 |\n|--------|------|--------|\n| `SPRING_DATASOURCE_URL` | 数据库连接 URL | jdbc:mysql:\u002F\u002Fmysql:3306\u002Fefak_ai |\n| `SPRING_DATASOURCE_USERNAME` | 数据库用户名 | root |\n| `SPRING_DATASOURCE_PASSWORD` | 数据库密码 | admin123 |\n| `SPRING_DATA_REDIS_HOST` | Redis 主机 | redis |\n| `SPRING_DATA_REDIS_PORT` | Redis 端口 | 6379 |\n| `SERVER_PORT` | 应用端口 | 8080 |\n| `JAVA_OPTS` | JVM 参数 | -Xms512m -Xmx2g |\n\n### JVM 参数调优\n\n根据服务器内存调整：\n```bash\n# 小内存（2GB）\nJAVA_OPTS=\"-Xms256m -Xmx1g -XX:+UseG1GC\"\n\n# 中等内存（4GB）\nJAVA_OPTS=\"-Xms512m -Xmx2g -XX:+UseG1GC\"\n\n# 大内存（8GB+）\nJAVA_OPTS=\"-Xms1g -Xmx4g -XX:+UseG1GC -XX:MaxGCPauseMillis=200\"\n```\n\n## API 文档\n\n### 健康检查 API\n```bash\n# 基础健康检查\nGET \u002Fhealth\u002Fcheck\n\n# 响应示例\n{\n    \"application\": \"EFAK-AI\",\n    \"port\": \"8080\",\n    \"version\": \"5.0.0\",\n    \"status\": \"UP\",\n    \"timestamp\": \"2025-10-06T23:32:47.392037\"\n}\n```\n\n### AI 助手 API\n```bash\n# SSE 流式聊天（推荐）\nGET \u002Fapi\u002Fchat\u002Fstream?modelId=1&message=分析集群性能&clusterId=xxx&enableCharts=true\n\n# 返回: Server-Sent Events 流式响应\ndata: {\"type\":\"thinking\",\"content\":\"正在分析...\"}\ndata: {\"type\":\"content\",\"content\":\"根据查询结果...\"}\ndata: {\"type\":\"chart\",\"chartData\":\"{\\\"type\\\":\\\"line\\\",...}\"}\ndata: {\"type\":\"end\"}\n```\n\n### 集群监控 API\n```bash\n# 获取集群列表\nGET \u002Fapi\u002Fcluster\u002Flist\n\n# 获取集群详情\nGET \u002Fapi\u002Fcluster\u002Finfo?clusterId=xxx\n\n# 获取 Broker 信息\nGET \u002Fapi\u002Fcluster\u002Fbrokers?clusterId=xxx\n\n# 获取 Topic 列表\nGET \u002Fapi\u002Ftopic\u002Flist?clusterId=xxx\n\n# 获取 Topic 指标\nGET \u002Fapi\u002Ftopic\u002Fmetrics?clusterId=xxx&topic=xxx\n\n# 获取消费者组信息\nGET \u002Fapi\u002Fconsumer\u002Fgroups?clusterId=xxx\n```\n\n## 开发指南\n\n### 项目结构\n```\nefak-web\u002Fsrc\u002Fmain\u002Fjava\u002Forg\u002Fkafka\u002Feagle\u002F\n├── web\u002F\n│   ├── controller\u002F     # 控制器层\n│   ├── service\u002F        # 服务层\n│   ├── mapper\u002F         # 数据访问层\n│   ├── config\u002F         # 配置类\n│   ├── security\u002F       # 安全配置\n│   └── scheduler\u002F      # 任务调度\n├── core\u002F               # 核心业务逻辑\n├── dto\u002F                # 数据传输对象\n└── tool\u002F               # 工具类\n```\n\n### 开发规范\n- 使用 Java 17 特性\n- 遵循 Spring Boot 最佳实践\n- 使用 Lombok 简化代码\n- 统一异常处理和日志记录\n- 编写单元测试和集成测试\n\n## 贡献指南\n\n1. Fork 项目\n2. 创建特性分支 (`git checkout -b feature\u002FAmazingFeature`)\n3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature\u002FAmazingFeature`)\n5. 打开 Pull Request\n\n## 许可证\n\n本项目基于 Apache License 2.0 许可证开源。详情请参阅 [LICENSE](LICENSE) 文件。\n\n## 联系方式\n\n- 官网主页: https:\u002F\u002Fwww.kafka-eagle.org\u002F\n- 项目主页: https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\n- 问题反馈: https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\n- 作者: Mr.SmartLoli\n\n## 更新日志\n\n### v5.0.0 (2025-10-06)\n- ✨ 集成 AI 智能助手功能\n- ✨ 实现分布式任务调度系统\n- ✨ 支持多种大语言模型\n- ✨ 完善告警管理系统\n- ✨ 优化用户界面和用户体验\n\n---\n\n**EFAK-AI** - 让 Kafka 监控更智能，让运维更高效！","# EFAK-AI 快速上手指南\n\nEFAK-AI (Eagle For Apache Kafka - AI Enhanced) 是一款融合人工智能技术的 Kafka 智能监控与管理平台，提供智能对话式运维、实时监控及自动化告警功能。\n\n## 1. 环境准备\n\n在部署前，请确保您的服务器或本地开发环境满足以下要求：\n\n### 系统要求\n- **操作系统**: Linux \u002F macOS \u002F Windows (推荐 Linux)\n- **Java 版本**: JDK 17+\n- **构建工具**: Maven 3.6+ (仅源码编译需要)\n\n### 前置依赖\n根据部署方式不同，需准备以下基础服务：\n\n| 组件 | 版本要求 | 说明 |\n| :--- | :--- | :--- |\n| **MySQL** | 8.0+ | 主数据库，存储配置与监控数据 |\n| **Redis** | 6.0+ | 用于分布式锁、缓存及任务调度 |\n| **Docker** | 24.0+ | 若使用容器化部署需安装 Docker Desktop 或 Docker Engine |\n| **Docker Compose** | 2.0+ | 编排多容器服务 |\n\n> **提示**：若使用国内网络环境，建议在 `pom.xml` 或 Docker 配置中配置阿里云或腾讯云镜像源以加速下载。\n\n---\n\n## 2. 安装步骤\n\nEFAK-AI 提供 **Docker 一键部署**（推荐）和 **传统安装包部署** 两种方式。\n\n### 方式一：Docker 容器化部署（推荐）\n\n此方式自动拉起 MySQL、Redis 及 EFAK 服务，最适合快速体验。\n\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 2. 启动所有服务 (包含 MySQL, Redis, EFAK)\ndocker-compose up -d\n\n# 3. 查看启动日志\ndocker-compose logs -f efak-ai\n\n# 4. 访问应用\n# 浏览器打开：http:\u002F\u002Flocalhost:8080\n# 默认账号：admin\n# 默认密码：admin\n```\n\n*(可选) 如需通过 80 端口访问并启用 Nginx 反向代理：*\n```bash\ndocker-compose --profile nginx up -d\n```\n\n### 方式二：Tar.gz 安装包部署\n\n适用于生产环境或需要自定义配置的场景。\n\n#### 第一步：构建安装包\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK.git\ncd EFAK\n\n# 执行构建脚本 (生成 efak-ai-5.0.0.tar.gz)\n.\u002Fbuild-package.sh\n```\n\n#### 第二步：部署与初始化\n```bash\n# 1. 解压安装包\ntar -zxvf efak-ai-5.0.0.tar.gz\ncd efak-ai-5.0.0\n\n# 2. 初始化数据库\n# 请先确保 MySQL 已运行，并创建数据库\nmysql -u root -p \u003C\u003CEOF\nCREATE DATABASE efak_ai CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;\nUSE efak_ai;\nSOURCE sql\u002Fke.sql;\nEOF\n\n# 3. 修改配置文件\n# 编辑 config\u002Fapplication.yml，配置真实的 MySQL 和 Redis 地址\nvi config\u002Fapplication.yml\n```\n\n**配置示例 (`config\u002Fapplication.yml`):**\n```yaml\nspring:\n  datasource:\n    url: jdbc:mysql:\u002F\u002Flocalhost:3306\u002Fefak_ai?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia\u002FShanghai\n    username: root\n    password: your_password # 修改为实际密码\n  data:\n    redis:\n      host: localhost\n      port: 6379\n```\n\n#### 第三步：启动服务\n```bash\n# 启动应用\n.\u002Fbin\u002Fstart.sh\n\n# 查看实时日志\ntail -f logs\u002Fefak-ai.log\n\n# 验证进程 (进程名显示为 KafkaEagle)\nps aux | grep KafkaEagle\n```\n\n---\n\n## 3. 基本使用\n\n启动成功后，即可通过浏览器或 API 进行使用。\n\n### 3.1 Web 界面操作\n1. **登录系统**\n   - 访问地址：`http:\u002F\u002F\u003C服务器 IP>:8080`\n   - 默认凭证：`admin` \u002F `admin` (首次登录建议修改密码)\n   - 密码重置工具：`http:\u002F\u002F\u003C服务器 IP>:8080\u002Fpassword-tool`\n\n2. **配置 Kafka 集群**\n   - 进入“集群管理”页面，添加您的 Kafka Broker 地址（如 `192.168.1.100:9092`）。\n   - 系统将自动拉取 Topic、Consumer Group 及 Broker 状态信息。\n\n3. **使用 AI 智能助手**\n   - 点击界面右下角或导航栏的\"AI 助手”图标。\n   - **示例对话**：\n     - “分析当前集群的性能瓶颈”\n     - “查询 topic_order 的消费延迟情况”\n     - “生成最近 1 小时的吞吐量趋势图”\n   - 系统将通过 Function Calling 自动查询实时数据，并返回文字分析及可视化图表。\n\n### 3.2 API 调用示例\n\n开发者可直接调用 REST API 集成到其他系统。\n\n**健康检查：**\n```bash\ncurl http:\u002F\u002Flocalhost:8080\u002Fhealth\u002Fcheck\n```\n\n**获取集群列表：**\n```bash\ncurl http:\u002F\u002Flocalhost:8080\u002Fapi\u002Fcluster\u002Flist\n```\n\n**AI 流式对话 (SSE)：**\n```bash\n# 请求示例：分析集群性能并生成图表\ncurl -N \"http:\u002F\u002Flocalhost:8080\u002Fapi\u002Fchat\u002Fstream?modelId=1&message=分析集群性能&clusterId=xxx&enableCharts=true\"\n```\n\n### 3.3 常用运维命令\n\n| 操作 | 命令 (Tar.gz 模式) | 命令 (Docker 模式) |\n| :--- | :--- | :--- |\n| **查看状态** | `.\u002Fbin\u002Fstatus.sh` | `docker-compose ps` |\n| **停止服务** | `.\u002Fbin\u002Fstop.sh` | `docker-compose down` |\n| **重启服务** | `.\u002Fbin\u002Frestart.sh` | `docker-compose restart efak-ai` |\n| **查看日志** | `tail -f logs\u002Fefak-ai.log` | `docker-compose logs -f efak-ai` |","某电商大促期间，运维团队正面临 Kafka 集群流量激增带来的严峻挑战，需紧急保障消息队列的稳定运行。\n\n### 没有 EFAK 时\n- **故障定位慢**：面对突发的消费延迟告警，工程师需登录多台服务器手动查看日志和命令行指标，耗时数小时才能锁定是某个 Broker 磁盘 IO 瓶颈导致。\n- **阈值配置僵化**：传统监控使用固定阈值，无法适应大促期间流量的正常波动，导致夜间频繁误报“吞吐量异常”，引发告警风暴，值班人员疲于奔命。\n- **专家依赖度高**：遇到复杂的分区重平衡或数据倾斜问题，初级运维无法独立解决，必须等待资深架构师介入分析，严重拖慢响应速度。\n- **数据可视化缺失**：关键性能指标分散在不同系统中，缺乏统一的实时大屏，管理层无法直观掌握集群整体健康度。\n\n### 使用 EFAK 后\n- **智能诊断秒级响应**：EFAK 的 AI 助手自动检测到消费延迟，通过 Function Calling 实时拉取数据，直接在对话框中给出“某 Topic 分区负载不均”的结论及优化命令。\n- **动态阈值降噪**：基于历史流量数据，EFAK 自动调整告警阈值，有效过滤了大促期间的正常流量峰值干扰，告警数量减少 90%，只推送真实风险。\n- **人人都是专家**：借助集成的 DeepSeek\u002FClaude 模型，初级工程师通过与 EFAK 对话即可获得专业的集群调优建议和故障修复步骤，无需依赖特定人员。\n- **全景可视化管理**：EFAK 自动生成包含吞吐量、延迟趋势的实时图表和集群拓扑图，支持多集群统一视图，让系统状态一目了然。\n\nEFAK 将原本被动救火的 Kafka 运维转变为 AI 驱动的主动治理，显著提升了大规模集群的稳定性与团队效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsmartloli_EFAK_baa45278.png","smartloli","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsmartloli_2018507b.png",null,"China","https:\u002F\u002Fwww.kafka-eagle.org\u002F","https:\u002F\u002Fgithub.com\u002Fsmartloli",[80,84,88,92,96,100],{"name":81,"color":82,"percentage":83},"Java","#b07219",47.9,{"name":85,"color":86,"percentage":87},"JavaScript","#f1e05a",26.4,{"name":89,"color":90,"percentage":91},"HTML","#e34c26",24.6,{"name":93,"color":94,"percentage":95},"Shell","#89e051",0.7,{"name":97,"color":98,"percentage":99},"CSS","#663399",0.3,{"name":101,"color":102,"percentage":103},"Dockerfile","#384d54",0.1,3174,787,"2026-04-05T08:14:22","Apache-2.0","Linux, macOS, Windows","未说明","最低 2GB (JVM 堆内存配置示例)，推荐 4GB-8GB+",{"notes":112,"python":109,"dependencies":113},"该项目为基于 Java 的 Kafka 监控平台，非本地运行的大语言模型，因此无需 GPU。AI 功能通过 API 集成外部大模型（如 OpenAI、Claude、DeepSeek），需在配置文件中设置对应的 API Key。支持 Docker 一键部署或传统 tar.gz 包部署，需预先安装 MySQL 和 Redis 服务。",[114,115,116,117,118,119,120,121,122],"JDK 17+","Spring Boot 3.4.5","MySQL 8.0+","Redis 6.0+","Apache Kafka 4.0.0","MyBatis 3.0.4","Maven 3.6+","Docker Desktop 4.43.2+ (可选)","Docker Compose 2.0+ (可选)",[15,14,13],[125,126,127,128,129],"kafka","kafka-eagle","offsets","consumer-group","ai","2026-03-27T02:49:30.150509","2026-04-13T22:50:59.606249",[133,138,143,148,153,158],{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},32002,"配置了邮件发送但收不到告警邮件，可能是什么原因？","通常是因为使用了邮箱登录密码而非授权码。许多邮件服务商（如新浪、QQ、163 等）要求使用专门的“授权密码”进行 SMTP 发送，而不是账户的登录密码。请检查邮件服务商设置，获取授权码并替换配置文件中的 `kafka.eagle.mail.password` 值。此外，建议查阅最新版的文档以获取更新的配置说明。","https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\u002F157",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},32003,"点击 Metric 或 Topic 详情时页面一直显示\"Processing\"且日志报空指针异常怎么办？","这通常与 Kafka 的 SASL 认证配置或 JDK 版本兼容性有关。请检查以下几点：\n1. 确认 `clusterX.kafka.eagle.sasl.mechanism`（如 SCRAM-SHA-256）配置是否正确。\n2. 尝试降低 Kafka Eagle 运行环境的 JDK 版本（例如从 JDK 11 降级到 JDK 8），因为某些版本可能存在兼容性问题。\n3. 检查日志中具体的 Quartz 任务报错信息，确认是否因无法获取 Consumer Group 或 Topic 元数据导致空指针。","https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\u002F369",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},32004,"启动时提示\"KE_HOME environment variable is not defined correctly\"错误如何解决？","该错误表示系统无法正确识别 KE_HOME 环境变量。请执行以下步骤：\n1. 确认已导出环境变量：`export KE_HOME=\u002Fyour\u002Finstall\u002Fpath`\n2. 确保在 `.bashrc` 或 `.bash_profile` 中永久生效，并执行 `source ~\u002F.bashrc`。\n3. 检查 `bin\u002Fke.sh` 脚本中引用 `$KE_HOME` 的路径是否存在且权限正确。\n4. 如果是 Ubuntu 系统，注意环境变量配置文件的路径和加载顺序。","https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\u002F97",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},32005,"启动后访问页面出现 HTTP 500 错误，提示 SpringMvc 初始化失败或 Jackson 相关类找不到，如何修复？","此问题通常由 Jackson 库版本冲突或数据库配置不当引起。可尝试以下两种方案：\n方案一（修改配置）：编辑 `conf\u002Fsystem-config.properties`，将数据库驱动改为内置的 SQLite，避免 MySQL 版本不兼容：\n```\nkafka.eagle.driver=org.sqlite.JDBC\nkafka.eagle.url=jdbc:sqlite:\u002Fpath\u002Fto\u002Feagle\u002Fdb\u002Fke.db\n```\n同时清理缓存：注释掉 `bin\u002Fke.sh` 中删除 webapps 和 work 目录的行，手动删除 `$KE_HOME\u002Fkms\u002Fwebapps\u002Fke` 和 `$KE_HOME\u002Fkms\u002Fwork` 目录后重启。\n\n方案二（修改源码重编译）：如果是自行编译版本，修改 `kafka-eagle-web\u002Fpom.xml`，将 `jackson.version` 从 2.9.6 降级为 2.4.5（或其他兼容版本），重新 Maven 构建。","https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\u002F10",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},32006,"登录后无法跳转到 Dashboard 页面，一直停留在登录页或报错，可能是什么原因？","请检查以下配置项：\n1. 确认 `conf\u002Fsystem-config.properties` 中的数据库配置（`eagle.user`, `eagle.password`）是否正确，这些是连接元数据存储库的账号，而非登录账号。\n2. 如果是源码运行，确保使用的是最新的 master 分支代码，并按照 Maven 项目规范构建。\n3. 检查 Tomcat 监听端口配置，确认 `server.xml` 路径是否正确，避免出现\"system can not find this path\"的错误。\n4. 查看浏览器控制台和网络请求，确认 `\u002Fsignin\u002Faction` 请求是否返回了预期的重定向或错误信息。","https:\u002F\u002Fgithub.com\u002Fsmartloli\u002FEFAK\u002Fissues\u002F19",{"id":159,"question_zh":160,"answer_zh":161,"source_url":137},32007,"如何在 Kafka Eagle 中查看明文的用户密码？","出于安全考虑，旧版本可能不支持直接查看明文密码。但在 Kafka Eagle v1.3.1 及更高版本中，系统提供了查看用户名对应密码的功能。请升级到最新版本，并在相应的管理界面或通过特定命令查看。如果使用的是授权码登录邮件服务，请确保在配置文件中填入的是授权码而非原始密码。",[]]