Polylane no Product Hunt: o assistente AI on‑call que acelera a resposta a incidentes na Cloudflare

Introdução

Imagine reduzir o tempo médio de resolução (MTTR) de incidentes críticos de 45 min para menos de 15 min sem precisar contratar mais engenheiros. Foi isso que a equipe de SRE da Acme Corp conseguiu ao colocar o Polylane em produção logo após o lançamento no Product Hunt, que já soma mais de 3,5 k estrelas.

Neste guia prático você vai aprender, passo a passo, como integrar o Polylane à sua conta Cloudflare, conectar Slack e PagerDuty, garantir a segurança das ações automatizadas e monitorar os resultados com métricas reais. Tudo pronto para ser copiado e colado nos seus repositórios.

Visão geral da arquitetura 

graph TD A[Telemetria] -->|Alertas| B[Polylane (LLM)] B --> C{Validação Sandbox} C -->|Aprovado| D[API Cloudflare] C -->|Rejeitado| E[Log de auditoria] D --> F[Slack / PagerDuty] D --> G[GitHub Actions (auto‑deploy)] style B fill:#f9f,stroke:#333,stroke-width:2px style C fill:#ff9,stroke:#333,stroke-width:2px
  • Fontes de telemetria – Datadog, Prometheus, Cloudflare Logs, etc.
  • Polylane – orquestração baseada em LLM (GPT‑4 ou Claude).
  • Sandbox – validação de comandos antes de chamar a API da Cloudflare.
  • Destinos – Slack (notificações), PagerDuty (escalonamento) e GitHub Actions (deploy de playbooks).

1. Configurando o ambiente

1.1. Pré‑requisitos

Item Versão mínima
Node.js 18.x
npm 9.x
Cloudflare API Token Permissões Zone:Read, Zone:Edit, Cache Purge
Slack App Scopes chat:write, commands
PagerDuty Integration Key Escalation policy configurada
Conta no Product Hunt (opcional) —

1.2. Instalação do Polylane 

# Clone o repositório oficial git clone https://github.com/polylane/ai-on-call.git cd ai-on-call # Instale as dependências npm ci # Crie o .env (exemplo abaixo) cat > .env <<EOF CLOUDFLARE_API_TOKEN=your_cloudflare_token SLACK_BOT_TOKEN=xoxb-... PAGERDUTY_INTEGRATION_KEY=your_key OPENAI_API_KEY=sk-... EOF

1.3. Deploy rápido com GitHub Actions

Crie o workflow .github/workflows/deploy.yml:

name: Deploy Polylane on: push: branches: [ main ] jobs: build: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Set up Node uses: actions/setup-node@v3 with: node-version: '18' - run: npm ci - run: npm run lint - name: Deploy to Vercel uses: amondnet/vercel-action@v20 with: vercel-token: ${{ secrets.VERCEL_TOKEN }} vercel-org-id: ${{ secrets.VERCEL_ORG_ID }} vercel-project-id: ${{ secrets.VERCEL_PROJECT_ID }}

Commit e push – o GitHub Actions provisiona a versão mais recente em poucos minutos.

2. Criando o playbook de resposta a incidentes

Um playbook é apenas um arquivo YAML que descreve quais ações o LLM pode executar. Exemplo para um ataque DDoS detectado via Cloudflare Analytics:

# playbooks/ddos-response.yaml name: Resposta a DDoS trigger: - metric: "cf.threat_score" operator: ">" value: 80 actions: - name: "Ativar modo Under Attack" api: "zones/:zone_id/settings/security_level" method: "PATCH" payload: value: "under_attack" - name: "Bloquear IPs suspeitos" api: "firewall/access_rules/rules" method: "POST" loop: "top_100_ip_addresses" payload: mode: "block" configuration: target: "ip" value: "{{ item }}" notes: "Bloqueio automático por Polylane" approval: "human" # requer confirmação no Slack

2.1. Testando o playbook localmente 

npm run test-playbook -- -f playbooks/ddos-response.yaml

O output mostrará cada chamada que seria feita à API da Cloudflare, permitindo revisão antes da produção.

3. Integração com Slack e PagerDuty

3.1. Notificação automática no Slack 

// src/slack.js import { WebClient } from '@slack/web-api'; const slack = new WebClient(process.env.SLACK_BOT_TOKEN); export async function sendAlert(channel, title, blocks) { await slack.chat.postMessage({ channel, text: title, blocks, }); }

Chame a função a partir do handler de incidentes:

await sendAlert('#sre-oncall', '🚨 DDoS detectado', [ { type: 'section', text: { type: 'mrkdwn', text: '*Ação sugerida:* Ativar Under Attack' } }, { type: 'actions', elements: [ { type: 'button', text: { type: 'plain_text', text: 'Aprovar' }, value: 'approve' }, { type: 'button', text: { type: 'plain_text', text: 'Rejeitar' }, value: 'reject' }, ]}, ]);

3.2. Escalonamento via PagerDuty 

# src/pagerduty.yml routing_key: ${PAGERDUTY_INTEGRATION_KEY} event_action: trigger payload: summary: "Incidente Cloudflare – DDoS" source: "polylane" severity: "critical"

Envie o payload com curl ou usando a SDK oficial:

curl -X POST "https://events.pagerduty.com/v2/enqueue" \ -H "Content-Type: application/json" \ -d @src/pagerduty.yml

4. Segurança e controle de mudanças

  1. Sandbox de validação – antes de qualquer chamada, o Polylane executa um dry‑run e verifica se o payload corresponde a um schema aprovado.
  2. Política de aprovação – o campo approval: "human" no playbook força o fluxo a esperar a confirmação do operador no Slack.
  3. Audit log – todas as requisições são gravadas em um bucket S3 (ou Cloudflare R2) com timestamp, usuário que aprovou e resposta da API.

Exemplo de registro de auditoria:

{ "timestamp":"2026-10-23T14:12:07Z", "playbook":"ddos-response", "action":"firewall/access_rules/rules", "payload":{"mode":"block","configuration":{"target":"ip","value":"203.0.113.45"}}, "approved_by":"@julia_sre", "api_response":{"id":"f1b2c3d4","status":"success"} }

5. Métricas de desempenho

Métrica Como coletar Meta recomendada
MTTR Timestamp de alerta → timestamp de resolução (store no Prometheus) < 15 min
Falsos positivos Contagem de rejeições humanas < 5 %
Tempo de aprovação Diferença entre notificação Slack e clique < 2 min
Custo de API Soma de chamadas Cloudflare API (billing endpoint) ≤ US$ 0,10 por incidente

Dashboard rápido no Grafana (JSON importável):

{ "dashboard": { "title": "Polylane – SRE Metrics", "panels": [ { "type":"stat", "title":"MTTR (min)", "targets":[{"expr":"avg_over_time(mttr_seconds[1h])/60"}] }, { "type":"graph", "title":"Tempo de aprovação", "targets":[{"expr":"histogram_quantile(0.95, sum(rate(approval_latency_seconds_bucket[5m])) by (le)"}] } ] } }

Herramienta mencionada: Groq Cloud