用途：面向事故响应与故障排查，分析日志以识别错误模式、提取错误信息并生成可执行的洞察。
主要能力：发现阶段用 Glob 定位日志文件、识别日志格式（JSON、纯文本、结构化）并确定事故时间范围；分析阶段运行 scripts/parse_logs.py 提取结构化数据，用 scripts/pattern_detector.py 查找错误模式，识别错误频率与分布、受影响组件/服务、事件时间线及潜在根因；报告阶段生成含关键指标的事故摘要、时间线可视化、带上下文的高频错误列表及后续排查建议。还支持跨服务关联分析（匹配请求 ID、时间邻近性、级联故障）、异常检测（错误率突变、新错误类型、缺失日志、异常时序）与指标提取（错误率、MTBF、按严重度分布、服务可用率）。
使用方式：解析脚本用法为 python scripts/parse_logs.py <log_directory> [options]，支持 --format json|text|auto、--since、--until、--level、--output；模式检测为 python scripts/pattern_detector.py [options]，支持 --input、--threshold（默认 5）、--output；时间线可视化为 python scripts/timeline_visualizer.py --input parsed_logs.json，输出 ASCII 时间线。依赖 Python 3.8+，需 pip install python-dateutil pandas numpy；JSON 日志可选安装 jq 以提升性能。
适用场景：应用日志错误分析、指定时间点的根因分析、多服务前后端错误关联排查。
限制：资料未提供具体收费、平台支持范围与效果保证；分析结果依赖日志完整性与时间范围设定，建议明确时间范围、检查多日志源、关注警告模式、关联部署变更并保留证据。