локальная модель pgctl-v2 · ничего не уходит наружу

Управление PostgreSQL
с ИИ-аналитиком внутри

Разворачивайте кластеры, настраивайте, следите за алертами — и получайте не графики, а объяснение проблемы и что чинить. Анализ делает наша собственная модель, дообученная на инцидентах PostgreSQL и работающая на вашем железе.

Как это работает

Четыре шага от сырой статистики до конкретного действия

1

Собираем

Агент на хосте снимает только нужные блоки: сессии, запросы, блокировки, vacuum, репликация, индексы, логи, железо.

2

Отсеиваем

В модель уходит только новое и изменившееся. Известные проблемы переносятся в отчёт без повторного анализа.

3

Анализируем

Локальная модель находит причину, ранжирует по критичности и подкрепляет цифрами, формулами и рассуждением.

4

Действуем

Рекомендация с конкретным действием. Если это параметр — переход к нему в один клик. Не помогло — чат по проблеме.

🧩

Кластеры и операции

Standalone, реплики, отказоустойчивые конфигурации. Пользователи, права, параметры — на несколько кластеров сразу.

🔔

Алертинг с ИИ-разбором

13 правил с настраиваемыми порогами и устранением. По каждому алерту — анализ именно этой проблемы и чат с моделью.

🛠️

Устранение в один клик

У каждого алерта — кнопка «Устранить» с точной командой перед запуском (pg_terminate_backend, VACUUM, удаление слота…). Автоустранение по выбранным правилам.

🖥️

Администрирование

Живые сессии и блокировки с отменой и завершением, сводка по базам и таблицам, обслуживание, журнал всех действий: кто, когда, какая команда.

📜

Журналы с ИИ-разбором

Журнал PostgreSQL по уровням и группам сообщений — коллектором, моделью или обоими. Автосбор по расписанию.

🔒

Данные остаются у вас

Модель работает внутри периметра. Роли, лимиты токенов, шифрование секретов.

✦ собственная модель

pgctl-v2

Компактная модель для DBA-аудита PostgreSQL. База — Qwen2.5-3B-Instruct (4-bit), дообучена методом QLoRA на ~4600 примерах из четырёх слоёв данных. Работает на вашем железе — без облака, ключей и внешних вызовов.

  • ✓ Читает реальный снапшот агента → валидный JSON-аудит
  • ✓ Evidence с реальными числами и формулами расчёта
  • ✓ Баланс критичности: не паникует на норме, ловит critical
  • ✓ Правильные действия (VACUUM, terminate) без выдуманных параметров
Подробнее о модели →
{
  "severity": "critical",
  "evidence": [
    {"metric": "blocked_sessions", "value": 7},
    {"metric": "oldest_lock_wait", "value": 412, "unit": "s"}
  ],
  "calculations": [
    "lock_wait / statement_timeout = 412 / 30 = 13.7x"
  ],
  "reasoning": "pid 3980 держит транзакцию 6 мин;
    7 сессий ждут на orders.id → каскад ожидания",
  "recommendations": [
    {"action": "terminate_backend", "target": 3980},
    {"action": "set_parameter",
     "name": "idle_in_transaction_session_timeout",
     "suggested_value": "5min"}
  ]
}

Попробовать

Скачать и установить у себя

Архив DBAigent + пошаговая установка: какие файлы за что отвечают, параметры .env, подготовка хостов, настройка ИИ-агента и алертов.

Разработчик

ООО «ПИКСЕЛЬСТУДИО»

Создаём DBAigent — платформу для развёртывания и администрирования PostgreSQL с собственной ИИ-моделью, которая работает внутри вашего периметра. Внедряем платформу на вашей инфраструктуре, настраиваем алертинг, автоустранение и ИИ-аудит, сопровождаем и дорабатываем под задачи команды.

  • ✓ Внедрение и настройка под вашу инфраструктуру
  • ✓ Сопровождение и поддержка PostgreSQL
  • ✓ Доработка под процессы команды

Контакты