コンテンツにスキップ

リソース生成


Obsy Copilot は、自然言語と現在のワークスペース内の実際のメタデータに基づいて、ダッシュボード、モニターの草案、Pipeline 解析ルールを生成できます。

ダッシュボードの作成と変更

Obsy Copilot は、自然言語によるダッシュボードの作成に対応し、草案の段階でグラフ、グループ、表示対象を継続的に変更できます。フロー全体は、要件の確認、草案、プレビュー生成、保存で構成されます。

使用前の準備

  • 現在のアカウントにダッシュボードの作成権限が必要です。
  • 現在のワークスペースに、目的のシーンに一致するデータソースとフィールドが存在する必要があります。
  • 監視対象、データ範囲、グループ、主要メトリクス、フィルタ条件を事前に明確にしておくことをおすすめします。

「ダッシュボードを作成する」とだけ伝えて監視目標を説明しない場合、Obsy Copilot はまず範囲の補足を求めます。作成権限がない場合、システムは管理者への連絡を促すメッセージを表示し、ダッシュボード作成フローには進みません。

作成フローを開始する

  1. 会話で「ホストリソースのダッシュボードを作成する」など明確な要件を入力するか、現在の分析をダッシュボードとして整理するよう依頼します。
  2. Obsy Copilot がダッシュボード作成の目的を認識し、権限チェックを完了すると、AI キャンバスに進むかどうかがページに表示されます。
  3. 確認すると、ダッシュボードの草案フローに進みます。

Obsy Copilot からダッシュボード作成を開始


  1. シーン > ダッシュボード > ダッシュボードを作成に移動します。
  2. AI によるダッシュボードの自動作成を選択します。

ダッシュボード一覧から作成を開始


草案の生成と変更

作成フローに入ったら、まず監視または分析したい対象を説明します。複雑な要件の場合は、さらに以下を指定できます。

  • 使用するメトリクス、ログ、イベント、トレース、その他のデータドメイン
  • ダッシュボードのグループと、各グループの着眼点
  • グラフの数、種類、または必ず含める分析の観点
  • host、service、env などのフィルタ条件やデフォルト値
  • 生成したくないグラフやデータ範囲

Obsy Copilot は、現在のワークスペースに実在するデータソース、フィールド、タグを照会し、ダッシュボードの草案を生成します。草案には名前、説明、可視範囲、ビュー変数、グラフカードが含まれますが、この時点では最終的なクエリは生成されておらず、正式なダッシュボードとして保存もされていません。

ダッシュボードの草案

会話の中で草案を引き続き変更できます。たとえば「エラー分布を最初のグループに移動する」「ホスト数のカードを削除する」「service でグループ化した P95 レイテンシの推移を追加する」などです。変更時は対象のグラフ、グループ、結果を明確に示し、「最適化して」だけのような入力は避けてください。

データソース、フィールド、関連タグが特定のグラフを支えるのに不十分な場合、Obsy Copilot は該当する内容を減らすか、データの不足を説明します。未確認のフィールドで草案を補完することはありません。

プレビューと保存

草案を確認したら、ダッシュボードの生成を確認をクリックしてプレビューに進みます。システムは草案に基づいて各グラフの実際の設定を生成し、完了したグラフの数、進捗、失敗状態を表示します。

生成が完了したら、以下を実行できます。

  • プレビューページでグラフのデータを確認し、グラフを調整する
  • AI 対話に戻るから要件の変更を続け、再生成する
  • 内容に問題がないことを確認したら、ダッシュボードを保存をクリックする

保存が完了して初めて、ダッシュボードは一覧に表示されます。一部のグラフの生成に失敗した場合、ページは Obsy Copilot に戻って調整するよう促します。データを確認せずにそのまま使用しないでください。

草案の復元

草案の段階で終了した場合、次に AI によるダッシュボードの自動作成に進んだときに、前回の作成を続けるか、草案をクリアして最初からやり直すかを選択できます。

ダッシュボード草案の復元

Obsy Copilot で生成して保存したダッシュボードには、ダッシュボード一覧に AI マークが表示されます。

ダッシュボード一覧の AI マーク


モニターの作成

調査で見つかった問題を継続的に注視する必要がある場合、Obsy Copilot で監視目標を直接説明し、一時的な分析を継続的に実行できる監視ルールに変換することで、クエリの記述や条件設定の手間を減らせます。

現在のワークスペースで単一のしきい値検出またはログ検出モニターの草案を生成できます。現在のアカウントにモニター設定の権限が必要です。たとえば、「payment サービスのログモニターを作成し、1 分ごとに直近 5 分間のエラーログを検出して、件数が 100 を超えたら重要アラートをトリガーする」のように指定します。

草案の生成と調整

  1. Obsy Copilot で、監視対象、データ範囲、検出頻度、クエリ期間、アラート条件を説明します。
  2. 生成された監視目標、検出頻度、トリガー条件を確認し、問題なければ今すぐ作成をクリックして、草案が入力済みのモニター設定ページに進みます。
  3. 設定ページでクエリと条件を確認し、アラートポリシーなどの設定を補足して保存します。保存前であれば、元の会話で草案の調整を続けることも、フォームを直接編集することもできます。

設定ページには、保存前の草案のサマリーとクエリのプレビューが表示されます。会話で調整した後は、適用されたフィールドの変更前後の値を確認し、対応する設定に移動できます。アラートポリシー、タグ、権限などは引き続き設定ページで管理します。

草案によってモニターが直接作成または有効化されることはありません。今すぐ作成をクリックしても設定ページが開くだけで、最終的な保存にはモニターの設定と権限の検証が必要です。直近にサンプルがない場合はメッセージが表示されますが、これはクエリ結果が検証済みであることを意味しません。ビジネスの範囲に合わせて条件としきい値を確認してください。設定の詳細については、モニター検出ルールを参照してください。

この機能は、保存後に固定ルールで実行される通常のモニターを生成します。Prompt を定期的な分析要件として扱う AI モニターとは異なります。


Pipeline 解析ルールの生成

ログやラインプロトコルのデータを構造化フィールドに分割する必要があるものの、空のルールから Pipeline を記述したくない場合、Obsy Copilot に代表的なサンプルと目的のフィールドを渡して解析ルールを生成できます。

この機能は、以下の一般的な入力に対応します。

  • JSON ログ
  • key=value 形式のテキスト
  • 安定した境界を持つ一般的なログテキスト
  • Point のメタデータを含む完全な JSON またはラインプロトコルのサンプル
  • ログ本文に JSON やその他の構造化フラグメントが埋め込まれている場合

ログ詳細からフィールドを解析して Pipeline を作成する

ログを確認するときに、ログ原文から必要なフィールドを直接抽出し、その解析ルールを Pipeline 作成ページに引き継げるため、サンプルを手動でコピーする必要はありません。

使用前に、ワークスペースの AI 機能を有効にし、Pipeline の管理権限を付与されている必要があります。ログが属するワークスペースで操作し、ログ詳細に完全な原文が読み込まれていること、および現在のインデックスが Pipeline の作成に使用できることを確認してください。外部インデックスのログや、完全な原文を取得できないログでは、この入口を使用できません。

  1. ログエクスプローラーでログの詳細を開き、ログ内容エリアのAI フィールド解析をクリックします。
  2. 解析範囲を選択します。デフォルトでは全文解析が使用されます。一部の内容のみを抽出する場合は、選択範囲解析に切り替え、ダイアログ内の原文で連続したテキストをドラッグして選択します。選択し直すと、前回の選択範囲が置き換わります。
  3. 解析を開始をクリックし、実行過程と生成されたフィールド名、種類、フィールド値を確認します。不要なフィールドは削除でき、再解析をクリックして結果を再生成することもできます。続行するには、少なくとも 1 つのフィールドを保持する必要があります。解析範囲を切り替えた場合やテキストを選択し直した場合は、再度解析する必要があります。
  4. フィールドを確認したら、Pipeline 編集に進むをクリックします。フィールドを削除した場合は、先にPipeline 草案を生成をクリックし、保持したフィールドに基づいてシステムがルールを準備してから、Pipeline 編集に進むをクリックします。
  5. システムは新しいタブで Pipeline 作成ページを開き、名前、インデックス、ソース、完全なログ原文のサンプル、解析ルールを事前入力します。ルールは手動記述の形で引き継がれます。設定を引き続き調整でき、必要に応じてテストを開始をクリックして結果を確認し、問題なければ保存します。

選択範囲解析を使用した場合でも、作成ページに引き継がれるテストサンプルは完全なログ原文です。保存前に、インデックス、ソース、フィルタ条件を確認し、ルールがどのログに適用されるかを明確にしてください。元のログにソースがない場合は、必要に応じてソースを補足し、一致範囲が広がりすぎないようにしてください。新しいタブが開かない場合は、ブラウザのポップアップブロック設定を確認してから再試行してください。

解析結果と草案が Pipeline として直接保存されることはなく、過去のログが再処理されることもありません。ルールがまだ検証に合格していないと表示された場合は、編集ページに進んで調整とテストを行えます。最終的な保存時には、引き続き Pipeline の保存検証に合格する必要があります。設定の詳細については、Pipeline を作成を参照してください。

ルールの生成と検証

  1. AI 生成に対応した Pipeline のフローで、代表的な実サンプルを 1 件提供します。
  2. 抽出するフィールド、目的のフィールド名、データ型、および Tag に設定するフィールドを説明します。
  3. すべてのフィールドを抽出する場合、元の時刻をデータ時刻として使用する場合、または Point の外側のフィールドを保持する場合は、その旨を明示してください。
  4. 生成後はサンプルで解析結果を検証し、フィールドと値が期待どおりであることを確認してから、通常の Pipeline フローで保存および適用します。

サンプルに変動する部分がある場合は、実際の形式を反映できる内容を少なくとも提供し、固定の ID、ホスト名、時刻値で構造上の境界を代用しないでください。目的のフィールド名が不明確な場合、Obsy Copilot は安定した英語の snake_case 名を使用します。

ルールの出力と反映

Obsy Copilot は Pipeline で使用できる解析ルールを返し、入力構造に応じて JSON、Grok、キーと値の分割、フィールド読み取りなどの方式を選択します。生成結果によって元のデータが自動的に削除されることはなく、明確な要求がない限り measurement が変更されたり、フィールドが Tag に設定されたりすることもありません。

ルールは、対象の Pipeline に保存され、既存の Pipeline 反映の仕組みで有効化されて初めて、以降のデータ処理に影響します。保存前には代表的なサンプルでテストすることをおすすめします。サンプルが実際のデータ構造と一致しない場合、フィールドを抽出できないことがあるため、サンプルを補足してルールを調整してください。

フィードバック

このページは役に立ちましたか?