Prometheus 告警运行手册链接器

告警与手册脱节的问题

当 Prometheus 集群规模扩大后，告警规则数量通常呈指数级增长，但对应的运维手册（runbook）往往严重滞后。常见的场景是：监控面板弹出某个 HighCPUUsage 告警，值班工程师需要手动搜索 Wiki、Git 仓库或历史工单来找到排查步骤，这个过程中可能已经过去了 15 分钟。更隐蔽的问题是 runbook_url 注解虽然存在于 AlertManager 配置或 PrometheusRule CRD 中，但链接早已失效——文档被移动、权限被回收、或者链接指向了一个从未被维护的临时页面。

核心能力与工作方式

该技能通过解析两个关键数据源来建立告警与手册之间的可靠链接：

• AlertManager 配置：提取路由规则中的 runbook_url 注解，验证 URL 是否指向真实存在的资源。
• PrometheusRule CRD：从自定义资源定义中读取告警规则的元数据，确保每个 alert 规则都有对应的文档入口。

工作流程分为三步：

1. 发现与收集：扫描目标范围内的所有告警规则，建立规则与手册的初始映射表。
2. 校验与测试：对每条 runbook_url 发起轻量级 HTTP 请求，确认目标页面返回有效响应（如 200 状态码），而非 404 或权限拒绝。
3. 补齐与生成：对于没有任何手册链接的告警规则，自动生成结构化的占位文档，包含告警名称、触发条件、建议的排查命令和联系人信息，等待后续人工补充。

适用边界与注意事项

该技能不负责：

• 不替代告警规则的编写逻辑，仅处理已有规则的文档链接。
• 不解决网络层问题——如果手册服务在 10.0.0.0/8 内网，需确保执行环境具备相应的访问权限。
• 不做语义级别的内容校验，只验证链接可达性，不判断手册内容是否与当前告警匹配。

另外，生成的占位手册需要团队自行维护更新。如果告警规则频繁变更但手册从未被更新，占位文档会迅速过时，建议配合定期巡检机制使用。