个人自动化实验室

独立构建 AI 自动化
与可观测系统

将模型、确定性校验、开发工具与监控系统组合成可运行、可审计的工作流。从输入到结论,每一步都保留事实、版本与边界。

AI 自动化构建 · 基础设施工程实践
01
INPUT数据与代码入口
02
STRUCTUREAI 辅助结构化
03
VERIFY确定性校验与证据绑定
04
OBSERVE结果、历史与运行状态
输入 → 结构化 → 校验 → 可观测结果
Local-first 可复现环境 Local-first 本地执行 最近更新 2026.08.28 查看基础设施 →

架构总览

公网入口、私有网络与本地开发环境保持分层;公开页面只展示结构,不展示内部地址与凭据。

INTERNET公网访问者
CLOUD NGINXTLS · 网关
TAILSCALE加密隧道
LOCAL SYSTEMS开发工具 · AI · Observability
公网 → 云端网关 → 私有隧道 → 本地系统

基础设施

核心引擎与可观测性,运行在同一套可复现的栈上。

02 核心引擎

Dify 工作流引擎

RAG 流水线、Agent 与多模型接入,承担实验性 AI 工作流编排。

API
AGENT
RAG
MODEL
dify.metratio.comAI
03 可观测性

Prometheus → Grafana → 告警

采集、可视化与告警一体,覆盖容器、主机与公网入口。

PROMETHEUS采集
GRAFANA可视化
ALERTMANAGER告警
关于

构建方式

把 AI 辅助、确定性校验、本地开发工具与监控组合成可运行、可审计的完整链路。对模型判断、历史事实、当前状态与行动权限保持显式区分。

公开内容基础设施与工程记录
运行方式Local-first · Deterministic
可观测覆盖主机 · 容器 · 公网
工作方式可回放 · 可审计 · 幂等