# AIM(Agentic Incident Mitigation) [[Komal Sarda]] ほか([[York University]] / [[IBM T.J. Watson Research Center]] / [[IBM Research]])が提案した、クラウドネイティブなマイクロサービス障害管理向けの適応的・LLM 駆動フレームワーク。MAPE-K の Plan フェーズを中心に据え、OBSERVE(データ統合)→ ANALYSE & PLAN(アラート要約・RCA・緩和計画生成)→ ACT(Ansible playbook 生成)の 3 段構成で動作する。GitHub: `https://github.com/aimframework-sudo/AIM`。 ## 特徴 - ログ・メトリクス・トレース・アラートを時刻同期し、パーセンタイルベースのルールベースしきい値付けで KPI の重大度(Low/Medium/High)を分類、Medium/High のみプロンプトへ選択的に含めることでトークン効率を維持する。 - Sentence Transformer によるエンコーディングとコサイン類似度検索で、履歴インシデントから意味的に関連する上位 k 件の例示を取得する適応的インコンテキスト学習(adaptive ICL)を採用。 - 生成した緩和計画を二次 LLM への入力プロンプトとして用い、Ansible playbook を生成・検証する Plan-to-Code Automation を実装(Kubernetes 環境で実行検証)。 - [[GPT-4o]](汎用クラウドホスト型)と [[DeepSeek-V3]]・LLaMA-3-70B(IBM Watsonx.ai 上でファインチューニング済みオンプレミスモデル)を比較評価。 ## 評価結果の要点 - adaptive ICL は fixed prompt に比べ ROUGE・コサイン類似度で 7〜10% 改善しつつトークンコストを削減。 - Task Completion Rate(TCR)は MicroSS で 71.9%・MSDS で 18%・全体 36.4%。二値の修復成功率は 25%。 ## 関連ソース - [[@2026__FSE Companion__Leveraging LLMs for Alert Summarization and Mitigation Plan Generation]]