在分布式集群中，一个节点上的故障，可能会导致其他节点也受到波及，甚至导致整个系统不可用。一旦出现问题，运维人员必须迅速定位到错误的根源，也就是找到第一条和故障相关的错误日志，而众所周知，一个多节点的系统所产生的日志量是非常多的，在生产环境中，可能只要几天就会产生数十万行的日志，这对于人工来说难以进行分析。因此，使用 AI 进行运维辅助成了当下研究的热点之一。
假设现在有一个 Kubernetes 集群的所有 pods 日志 (Logs) 、各个主机的观测指标导出 (Metrics) 以及 Ingress/Gateway 的流量数据 (Traces)，请你构建一个系统，能实现以下功能：
- 对各个指标进行可视化展示
- 当资源使用量/流量出现异常的时候进行告警
- 生成合理的日报/周报
- 对日志进行分类，并对可疑日志进行记录
- （可选）结合用户提供的具体错误表现（如某 API 端点出现延迟严重增加），分析可能的错误归因和相关日志
- （可选）通过混合使用不同规模的模型，在成本和准确度之间做出平衡
- （可选）通过微调，使小规模模型对日志类文本的分析能力提升/对相关领域知识库优化
- （可选）提供 API 接口，允许开发人员导入更多遥测信息
- （可选）有良好的 UI/UX
- （可选）自己从真实的集群中获取观测数据，构建数据集
（上述要点不分顺序；本题工作量过大，因此请重点展示思路）
如果需要数据集或其他帮助，可以与出题人进行联系
2025.10.13 Updates
考虑到工作量，本题在单人完成时仅需完成前 2 点（即可视化展示和异常告警），3、4 两点作为思考题在问辩环节检查，不需要演示