告警故障自动诊断

解决运维告警疲劳与误报痛点

在复杂的 IT 环境中，监控系统每天会产生大量告警，其中不乏因为瞬时抖动或阈值设置不合理导致的误报。工程师面对告警风暴时，往往需要手动复制 IP、登录机器、执行 top 或 df 命令排查，这不仅耗时，还会打断正常的运维节奏。alert-clinic 技能旨在将这部分机械的排查工作自动化，让工程师能够直接获取经过初步验证的有效故障信息。

核心诊断工作流

该技能的工作流分为三个紧密衔接的步骤：

• 上下文提取与告警查询：技能首先从用户输入的自然语言中，严格按照规则截取 [监控类型] 和具体的监控对象（如 IP、主机名）及异常描述，排除“看下”、“处理一下”等提问词。随后，调用告警查询工具，拉取完整的告警标题、描述、发生时间、对象分类等结构化数据。
• 远程脚本确认与审核：为了确认是否为误报，技能会向目标主机提交诊断脚本（如 top -bn1 或 free -h）。提交后，系统会检查是否需要人工审核。若需要，技能会自动以递增间隔轮询审核状态，超时时间为 30 分钟。审核通过后，技能查询脚本执行结果，根据指标恢复情况判定是否为误报。
• 输出诊断与自愈方案：对于确认仍存在异常的真实故障，技能会输出包含故障现象和根因分析的诊断摘要，并提供可直接执行的自愈脚本。

适用边界与安全注意

该技能适用于标准化的主机和应用监控场景，依赖目标环境的脚本执行通道和审核机制。需要注意的是，在执行诸如重启服务、删除文件或修改核心配置等危险自愈操作时，技能会强制要求先征得用户的明确同意，确保修复动作的安全性。