Aggiungi Rootly importer a una configurazione Graphify esistente:

Imposta la tua chiave API Rootly

Crea un file .env nella root del progetto:

Esegui il flusso di lavoro

Passo 1: Recupera e costruisci (terminale)

Recupera incidenti, alert attivati e team. Costruisce il grafo iniziale con colori di gravità, filtri per gli alert e livelli per team/servizi.

Non interattivo:

L'output viene scritto in graphify-rootly-data/graphify-out/:

• graph.html — apri nel browser per esplorare il grafo
• GRAPH_REPORT.md — nodi principali, comunità, domande suggerite
• graph.json — grafo grezzo per interrogazioni

Passo 2: Aggiungi significato semantico (agente)

Esegue sottoagenti paralleli sul corpus di incidenti per dedurre temi trasversali, pattern ricorrenti e relazioni di causa-effetto.

Claude Code — scrivi nella chat:

Codex — scrivi nella chat:

Cosa puoi esplorare

Cosa viene raccolto

Filtri di visualizzazione

Una volta aperto graph.html in un browser:

• Team — filtra tutti i nodi per gli incidenti e i servizi di un team specifico
• Gravità — mostra/nascondi per SEV1–SEV4
• Incidenti — tutti o solo aperti
• Alert — attivati (attivo per default) / orfani (spento per default, non raccolti)
• Intervallo temporale — slider per restringere la finestra degli incidenti

Come funziona

rootly-graphify ha una fase di raccolta da Rootly e una fase di analisi del grafo.

1. Raccolta deterministica da Rootly. Convalida la chiave API, scegli una finestra di 7, 30 o 90 giorni, recupera gli incidenti il cui started_at cade in quella finestra, recupera i loro alert attivati tramite la sotto-risorsa per incidente, recupera tutti i dati dei team e scrive tutto in una directory del corpus locale.

2. Costruzione iniziale del grafo Rootly. Il runner integrato di Rootly crea nodi per incidenti, alert, team e servizi, li collega con bordi tipizzati (triggered, affects, owns, responded_by, targets), raggruppa il grafo e scrive graph.html, GRAPH_REPORT.md e graph.json. L'HTML include la codifica a colori per gravità, i livelli team/servizi e i filtri per gli alert.

3. Arricchimento profondo opzionale. Esegui /graphify ./graphify-rootly-data --mode deep per avviare sottoagenti paralleli sui file markdown e dedurre temi trasversali, razionale e collegamenti concettuali.

4. Utilizza l'output di primo livello corrente. Dopo l'arricchimento semantico, apri graphify-out/graph.html. L'esportatore generico corrente include già direttamente i filtri e le visualizzazioni mantenuti, quindi non è necessario un passaggio separato di riapplicazione.

Il raggruppamento si basa sulla topologia del grafo — nessun embedding. Leiden trova le comunità tramite la densità dei bordi. I bordi di similarità semantica (semantically_similar_to, contrassegnati INFERRED) influenzano direttamente il rilevamento delle comunità. Nessun passaggio separato di embedding o database vettoriale richiesto.

Ogni relazione è etichettata come EXTRACTED (trovata direttamente nella sorgente), INFERRED (inferenza ragionevole, con un punteggio di confidenza) o AMBIGUOUS (segnalata per revisione).

Cosa ottieni

Nodi principali — incidenti o servizi con il grado più alto (ciò a cui tutto si collega)

Connessioni sorprendenti — collegamenti tra incidenti ordinati per punteggio composito, ciascuno con una spiegazione in linguaggio semplice

Domande suggerite — 4–5 domande a cui il grafo è particolarmente in grado di rispondere sulla tua cronologia degli incidenti

Punteggi di confidenza — ogni bordo INFERRED ha un confidence_score (0.0–1.0). I bordi EXTRACTED sono sempre 1.0.

Bordi di similarità semantica — collegamenti concettuali tra incidenti senza connessione strutturale. Due incidenti causati dallo stesso pattern principale senza condividere servizi o team.

Efficienza dei token — la prima esecuzione estrae e costruisce il grafo (costa token). Ogni query successiva legge il grafo compatto invece del markdown grezzo — è lì che si accumulano i risparmi. La cache SHA256 garantisce che le riesecuzioni processino solo i file modificati.

Utilizzo

Riesecuzione su nuovi dati