update 4th team

4th/4th_ai_powered_ops/task_1.md

@@ -0,0 +1,22 @@
+# 第一次任务 (发布于 2025-07-17)
+
+## 个人任务
+1. 本地开发环境的搭建
+   - 产出：开发第一个demo程序，并可运行。
+2. 熟悉1个运营场景的问题定位链路
+   - 了解运维场景的调研路径，了解Prometheus、Superset平台、实例机器登陆日志查询
+   - 产出：运营场景分析链路记录。
+
+## 团队任务
+1. 深度调研如何用好AI编程工具
+   - 参考文档：
+     - https://yuanchuangai.com/#/tips/cursor/promote
+     - https://news.qq.com/rain/a/20250624A023IF00
+   - 产出：
+     - AI编程工具使用说明文档
+2. 数据平台拉取小程序
+   - 产出：
+     - 拉取Prometheus、Superset平台数据的demo程序
+3. 运维场景深入调研
+   - 产出：
+     - 2个典型应用场景的分析链路说明

4th/4th_ai_powered_ops/task_2.md

@@ -0,0 +1,18 @@
+# 第二次任务
+
+## 团队任务
+1. MCP数据拉取
+   1. 实现prometheus和superset的数据抓取功能，并封装为mcp服务
+   2. 和算法同学对齐数据格式
+   3. 学习现有的较完善mcp协议代码，重构自身代码，提高可读性和可扩展性
+   4. 跟进其他方向成员的方向，了解业务需求，提出初步的接口设计方案
+2. 数据预处理
+   1. 算法调研与选型。收集时间序列数据异常值检测算法，需要涵盖统计模型、机器学习、深度学习。标注每类算法适用的异常类型与场景，最后给出3种可能最适合的算法。
+   2. 数据工程与特征分析。从Prometheus或Superset拉取历史数据，例如CPU、内存、磁盘IO等关键指标，至少包含2个业务周期。
+3. Agent框架
+   1. 调研agent框架，了解各agent框架的特征，给出适应性场景与思考
+   2. 根据运维场景，初步构建demo版本的agent框架设计，进行框架搭建并测试
+4. 知识库构建
+   1. 深入调研当前知识库搭建的主流技术、主流模式，了解它的应用场景，并记录自己的思考，产出调研文档
+      1. 对知识图谱基本作用、数据结构、使用方式等进行详细深入了解，记录进调研文档。需要进一步打开思路，完整的调研主流技术
+   2. 了解运维场景，初步形成知识库的构成部分、确定适合运维场景的知识库搭建模式

4th/4th_ai_powered_ops/topic.md

@@ -0,0 +1,16 @@
+智能运维 - 利用大模型实现智能监控与告警根因分析
+
+### 目标
+
+利用最新的AI大模型能力开发智能运维系统，实现：
+- 指标巡检与指标异常辨识
+- 线上问题下钻分析、
+- 定期生成指标数据报表
+
+实现及时发现潜在问题，更快定位运维问题根因
+
+### 阶段任务
+
+查看本目录下的 `task_*.md`
+
+### 相关信息