Prometheus 告警管理器规则优化器

要解决的问题

当 Prometheus 监控规模上来之后，最大的痛点往往不是漏报，而是被海量告警淹没。告警疲劳不只是烦人，它会直接拖慢故障响应。常见的症状包括：

• 规则重复：多个规则指向同一异常，各自触发一份告警
• 阈值过敏感：CPU 刚过 80% 就触发，实际上没有造成任何影响
• PromQL 质量参差：部分查询携带不必要的高基数标签，产生过多数据点，放大噪声
• 缺少历史校准：告警规则写完就没人管，从未根据实际触发频率调整

技能如何工作

这个技能不会只读一遍你的规则文件，而是进行系统化的分析：

1. 规则收集与解析：读取现有的 alerting rules 配置，提取每条规则的表达式、for 时长、标签与注解
2. PromQL 分析：评估每条告警表达式的查询效率与结果分布，识别冗余查询或过度细分的查询
3. 历史触发统计：基于已记录的触发模式（如 ALERTS 指标族），找出哪些规则触发频率异常高、是否携带有效信息
4. 优化建议生成：根据以上分析，给出具体建议——合并相似规则、调整阈值、移除无效规则

适用边界与注意点

• 这是一个分析与建议工具，不会直接修改你的配置文件或重启服务，所有变更都需要人工确认后执行
• 历史数据的质量取决于 Prometheus 实际运行了多久，如果缺少足够的触发历史，建议的参考价值会打折扣
• 涉及复杂业务语义的告警（例如需要判断"这条告警是否真的可执行"）仍然需要熟悉业务的人来做最终校准
• 对合规或审计要求严格的告警规则，任何调整前都应走完整的 review 流程