fix

agents.py

@@ -1,178 +0,0 @@
-"""
-Агенты для анализа логов на основе smolagents.
-Используют трансформеры для интеллектуального анализа.
-"""
-
-import os
-import json
-from smolagents import ToolCallingAgent, InferenceClientModel, FinalAnswerTool
-from schemas.schemas import parser_schema, anomaly_schema, rca_schema
-from utils.validation import validate_schema
-from utils.agent_runner import run_agent_safely
-
-# Загружаем модель
-model = InferenceClientModel(
-    model_id="deepseek-ai/DeepSeek-V3.1-Terminus",
-    token=os.getenv("HF_TOKEN"),
-    max_tokens=2048
-)
-
-final_tool = FinalAnswerTool()
-
-# Агент 1: Парсинг логов
-parser_agent = ToolCallingAgent(
-    model=model,
-    tools=[final_tool],
-    instructions="""
-Ты эксперт по анализу системных логов. Твоя задача - парсить сырые логи и преобразовывать их в структурированный JSON формат.
-
-Для каждой строки лога определи:
-- timestamp: временная метка (если есть)
-- level: уровень логирования (INFO, WARNING, ERROR, CRITICAL, DEBUG, TRACE)
-- message: основное сообщение
-- type: тип события (SYSTEM, HTTP_REQUEST, DATABASE, AUTHENTICATION, CONNECTION, EXCEPTION, GENERAL)
-
-Также определи:
-- errors: список всех ошибок (ERROR, CRITICAL)
-- warnings: список всех предупреждений (WARNING)
-- statistics: статистика с total_lines, parsed_events, errors, warnings, info_messages, event_types, time_range
-
-Временной диапазон (time_range) должен содержать start и end - первую и последнюю временную метку.
-
-Ответ строго верни в JSON через final_answer в следующем формате:
-{
-  "events": [{"line_number": int, "timestamp": "str|null", "level": "str", "message": "str", "type": "str"}, ...],
-  "errors": [...],
-  "warnings": [...],
-  "statistics": {
-    "total_lines": int,
-    "parsed_events": int,
-    "errors": int,
-    "warnings": int,
-    "info_messages": int,
-    "event_types": {"TYPE": count, ...},
-    "time_range": {"start": "str|null", "end": "str|null"} | null
-  }
-}
-""",
-    name="LogParserAgent",
-    max_steps=10,
-)
-
-# Агент 2: Обнаружение аномалий
-anomaly_agent = ToolCallingAgent(
-    model=model,
-    tools=[final_tool],
-    instructions="""
-Ты эксперт по обнаружению аномалий в системных логах. Твоя задача - анализировать структурированные логи и находить проблемные паттерны.
-
-Ищи следующие типы аномалий:
-1. BURST_ERRORS - всплески ошибок (5+ ошибок за короткий промежуток времени)
-2. REPEATED_ERRORS - повторяющиеся ошибки (одна и та же ошибка 3+ раза)
-3. ERROR_BEFORE_CRASH - ошибки перед крашем системы (критические ошибки в конце логов)
-4. TEMPORAL_SPIKE - временные всплески событий (превышение среднего в 2 раза)
-5. REPEATED_STACK_TRACES - повторяющиеся stack traces
-
-Для каждой аномалии укажи:
-- type: тип аномалии
-- severity: CRITICAL, HIGH, MEDIUM, LOW
-- description: описание проблемы
-- count: количество вхождений (если применимо)
-- error_message: пример сообщения об ошибке (если есть)
-- metadata: дополнительная информация (affected_lines и т.д.)
-
-Также вычисли статистику:
-- total: общее количество аномалий
-- by_type: распределение по типам
-- by_severity: распределение по серьёзности
-
-Ответ строго верни в JSON через final_answer в следующем формате:
-{
-  "anomalies": [{"type": "str", "severity": "str", "description": "str", "count": int|null, "error_message": "str|null", "metadata": object|null}, ...],
-  "statistics": {
-    "total": int,
-    "by_type": {"TYPE": count, ...},
-    "by_severity": {"SEVERITY": count, ...}
-  },
-  "severity_summary": {"CRITICAL": int, "HIGH": int, "MEDIUM": int, "LOW": int}
-}
-""",
-    name="AnomalyDetectionAgent",
-    max_steps=10,
-)
-
-# Агент 3: Анализ первопричин и рекомендации
-rca_agent = ToolCallingAgent(
-    model=model,
-    tools=[final_tool],
-    instructions="""
-Ты эксперт по анализу первопричин и формированию ре��омендаций. Твоя задача - интерпретировать обнаруженные аномалии и предлагать конкретные решения.
-
-Для каждой группы аномалий определи:
-- possible_causes: возможные первопричины проблемы
-- recommendations: рекомендации по устранению с приоритетами (CRITICAL, HIGH, MEDIUM, LOW)
-- actions: конкретные действия для решения проблемы
-
-Также сформулируй общие рекомендации для улучшения системы мониторинга и предотвращения подобных проблем.
-
-Ответ строго верни в JSON через final_answer в следующем формате:
-{
-  "analysis": {
-    "root_causes": ["причина1", "причина2", ...],
-    "details": [{
-      "anomaly_type": "str",
-      "severity": "str",
-      "description": "str",
-      "possible_causes": ["причина1", ...]
-    }, ...]
-  },
-  "recommendations": [{
-    "priority": "str",
-    "text": "str",
-    "actions": ["действие1", "действие2", ...]
-  }, ...],
-  "general_recommendations": ["рекомендация1", "рекомендация2", ...]
-}
-""",
-    name="RootCauseAgent",
-    max_steps=10,
-)
-
-# Pipeline шаг 1 — парсинг логов
-def run_parser_agent(raw_logs: str):
-    """Парсит сырые логи в структурированный формат."""
-    if not raw_logs or not raw_logs.strip():
-        return {
-            "events": [],
-            "errors": [],
-            "warnings": [],
-            "statistics": {
-                "total_lines": 0,
-                "parsed_events": 0,
-                "errors": 0,
-                "warnings": 0,
-                "info_messages": 0,
-                "event_types": {},
-                "time_range": None
-            }
-        }
-    
-    result = run_agent_safely(parser_agent, task=raw_logs)
-    validate_schema(result, parser_schema)
-    return result
-
-# Pipeline шаг 2 — обнаружение аномалий
-def run_anomaly_agent(structured_data: dict):
-    """Обнаруживает аномалии в структурированных логах."""
-    input_data = json.dumps(structured_data, ensure_ascii=False, indent=2)
-    result = run_agent_safely(anomaly_agent, task=input_data)
-    validate_schema(result, anomaly_schema)
-    return result
-
-# Pipeline шаг 3 — анализ первопричин и рекомендации
-def run_rca_agent(anomaly_report: dict):
-    """Анализирует первопричины и генерирует рекомендации."""
-    input_data = json.dumps(anomaly_report, ensure_ascii=False, indent=2)
-    result = run_agent_safely(rca_agent, task=input_data)
-    validate_schema(result, rca_schema)
-    return result

schemas/schemas.py

@@ -20,11 +20,11 @@ parser_schema = {
         },
         "errors": {
             "type": "array",
-            "items": {"type": "object"}
+            "items": {"type": ["object", "string"]}
         },
         "warnings": {
             "type": "array",
-            "items": {"type": "object"}
+            "items": {"type": ["object", "string"]}
         },
         "statistics": {
             "type": "object",