Passer au contenu principal
Lorsque Datadog envoie une alerte dans Slack, Devin la prend en charge immédiatement. Ce modèle écoute les messages d’alerte envoyés par l’application Datadog, utilise le Datadog MCP pour récupérer les métriques sous-jacentes, les logs et les traces distribuées, puis publie une analyse de la cause racine dans le fil de discussion avant même qu’un humain ait fini de lire l’alerte.

Utiliser ce modèle

Ouvrez Investigation d’alerte Datadog dans Devin et créez l’automatisation avec la configuration par défaut. Vous pouvez la personnaliser avant de l’enregistrer.
Vous cherchez un guide pratique ? Consultez le tutoriel étape par étape pour l’Investigation d’alerte Datadog.

​
Ce que fait cette automatisation

Le schéma d’automatisation présenté ici est de l’alerte à l’investigation en quelques secondes. Au lieu de solliciter un humain chaque fois qu’un seuil est franchi, vous laissez Devin effectuer les 15 premières minutes de travail — recenser les déploiements récents, corréler les métriques, extraire les lignes de journal suspectes — afin que la personne qui finit par ouvrir Slack commence directement à l’étape « que fait-on ensuite » plutôt qu’à l’étape « qu’est-ce qui a cassé ».

​
Comment cela fonctionne

Déclencheur : événement Slack — message
  • Événement : slack:message
    • Conditions :
      • channel eq #alerts
Ce que fait Devin : Démarre une session avec l’intégralité du contexte de l’événement, exécute le prompt ci-dessous et, si vous le souhaitez, vous avertit en cas d’échec.

​
Prérequis

​
Exemple de prompt

Ce modèle inclut ce prompt. Vous pouvez le modifier après avoir cliqué sur Utiliser le modèle, ou le laisser tel quel.

​
Mise en place

  1. Ouvrez Automatisations → Modèles dans Devin.
  2. Cliquez sur Investigation d’alerte Datadog. La page de création s’ouvre avec ce modèle prérempli.
  3. Connectez toutes les intégrations requises et installez les serveurs MCP si ce n’est pas déjà fait.
  4. Remplacez les valeurs fictives dans les conditions de déclenchement (par exemple, remplacez your-org/your-repo par votre dépôt réel).
  5. Passez en revue le prompt et adaptez-le à la terminologie, aux conventions et aux garde-fous de votre équipe.
  6. Cliquez sur Créer l’automatisation.
La plupart des modèles d’automatisation incluent des limites suggérées d’ACU et d’invocation pour maîtriser les coûts pendant la phase initiale du déploiement progressif. Conservez-les telles quelles jusqu’à ce que vous ayez confiance dans le comportement de l’automatisation, puis augmentez-les en fonction de votre charge de travail.

​
Quand utiliser ce modèle

  • Canaux d’alerte très bruyants, où la plupart des sollicitations s’avèrent être des faux positifs connus
  • Orgs SRE très axées sur la supervision, qui ne peuvent pas se permettre d’avoir un intervenant humain en première ligne pour chaque alerte
  • Alertes de régression post-déploiement corrélées à des PR spécifiques
  • Réduction de la fatigue liée aux sollicitations pendant les rotations d’astreinte

​
Idées de personnalisation

  • Filtrer selon des noms de moniteurs, des tags ou des niveaux de gravité spécifiques
  • Orienter différents moniteurs vers différents playbooks
  • Ajouter le Sentry MCP pour croiser les exceptions
  • Faire remonter vers SRE Incident Response les alertes les plus critiques

​
Voir aussi