# 🚀 Introducing SentinelAI — An AI Incident Intelligence Platform That Learns From Every Incident Hey everyone! We’re building **SentinelAI**, a memory-powered incident intelligence platform as part of **Hack with Bengaluru**. ### 💡 The Problem When an incident occurs in production, engineers often spend hours investigating something that may have already happened before. Past incidents, successful fixes, failed attempts, and postmortem findings are scattered across logs, tickets, an
痛点：生产事故发生时，历史事故、有效的修复方法、失败的尝试和复盘结论散落在日志、工单和文档里，工程师要花数小时重新排查一个以前已经解决过的问题。
目标用户：中大型 SaaS 公司的 SRE、值班工程师（on-call）和平台工程团队；早期切入对象可以是 20-200 人的工程团队
证据：When an incident occurs in production, engineers often spend hours investigating something that may have already happened before. Past incidents, successful fixes, failed attempts, and postmortem findings are scattered across logs, tickets, and documentation. Most incident management tools focus on the current incident, leaving valuable organizational knowledge unused.
变现：按席位订阅的 SaaS（每名工程师 10-15 美元/月，或按事故次数计费）；对 50 人以上的团队，可提供企业版，包含私有化部署和 SSO；通过 Slack 应用商店分发，并以按量计费作为补充
MVP：两周内实现：接入 Slack 和 Notion、Confluence 的复盘文档，按服务对历史事故做向量索引；当新的告警出现时，Slack 机器人自动推送 Top3 相似历史事故、根因以及当时有效的修复方法，并标出“当时失败过的做法”和原文链接；人工标记“有用/无用”进行反馈闭环。先不自己实现告警和监控，只做已有工具的“历史记忆层”。
竞品：Rootly AI、Incident.io、PagerDuty AIOps、FireHydrant、Datadog Incident Management、Resolve AI、Traversal
摘要：这是一个参加 Hack with Bengaluru 的黑客松项目，主打“事故记忆”：召回类似的历史事故和根因，对比当时的修复方案，并对失败的方案发出预警。它指出的痛点真实存在：事故知识分散，工具只关注当前这次事故，但帖子本身没有付费意愿、用户反馈或收入数据，而且该赛道已有 Rootly、Incident.io、PagerDuty 等成熟玩家，独立开发者的机会更多在于轻量的“历史记忆层”集成，而非做一个完整的事故管理平台。