技能介绍

告警风暴下的手动诊断困境

当 Prometheus 通过 AlertManager 推送告警时，运维团队常面临两类压力：告警噪声淹没关键信号，以及重复性诊断劳动占用大量时间。工程师需要快速理解“发生了什么”并采取行动，但手动翻阅 Grafana 面板、复制 PromQL 查询、整理上下文的过程既低效又易出错。

技能如何工作

这个技能通过事件驱动和结构化响应来解决上述问题：

接收 AlertManager webhook：当告警规则触发时，AlertManager 将告警事件以 HTTP 请求形式发送到该技能，触发预定义的处理流程。
执行诊断 runbook：技能根据告警内容匹配对应的结构化流程，自动执行一系列诊断步骤，例如：

- 查询相关指标（通过 PromQL 表达式，如 http_requests_total{job="api"} / 10）
- 检查阈值是否超限
- 收集上下文日志或状态

生成结构化结果：诊断完成后，技能输出标准化的响应，可用于：

- 自动升级给值班人员（通过集成的聊天或工单系统）
- 写入事件管理系统（如 ESM）
- 触发后续自动化动作（如扩容、回滚）

适用边界与注意点

依赖 Prometheus 实例可用：技能通过 Prometheus HTTP API 查询指标，因此需要确保 Prometheus 服务正常运行，且网络可达。
不能替代根因分析：该技能提供的是快速诊断和信息收集，而不是自动解决根本问题。对于复杂场景，仍需人工介入。
需要配置好告警规则和 runbook：技能的效果取决于预先定义的告警规则和诊断流程的合理性，需要团队根据实际业务进行定制。
权限控制：如果涉及敏感指标或自动操作，需确保技能运行在安全环境中，并遵循最小权限原则。