Agent Skills
返回列表
主动系统监控

主动系统监控

IT 运维与安全 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @zcwl/auto-monitor-free。

技能介绍

要解决什么问题

很多团队的「监控」仍依赖同事在群里问一句「服务器怎么样」,或者等到磁盘写满、内存被吃光才被动救火。运维和 SRE 需要的是在阈值被突破之前就拿到结论,而不是临时跑几条 shell 再手工汇总。

Auto Monitor 把主动检查 → 及时汇报写进 Agent 可执行的 Markdown 工作流:Agent 定期或在触发词下读取系统状态,对照预设规则输出健康报告与异常告警。

技能如何工作

能力轮廓很直接:输入为当前系统状态(通常通过 exec 采集本机或指定主机指标);输出为结构化健康摘要加超阈值项说明。工作流侧默认关注三类规则:

  • 磁盘使用率 > 80%
  • 内存使用率 > 85%
  • CPU Load > 核数 × 0.8

「主动性」体现在:不必等用户发起 status / monitor 类请求,发现问题应主动说明;对 SKILL 中已定义、可安全自动化的简单异常,可在 Agent 具备执行权限时立刻处理,其余仍交给人工判断。

分类为 MD+execute:纯 Markdown 指令驱动,部分步骤依赖 Agent 的命令行执行能力;LLM 由宿主 Agent 提供,无需为本 Skill 单独配置额外 API Key(外部 API 除外)。

适用边界与注意点

| 局限 | 说明 |
|------|------|
| 复杂决策 | 需要人工权衡的变更、容量规划或根因分析,不适用于全自动拍板 |
| 运行环境 | 无 LLM、无 exec 的会话无法完成完整巡检 |
| 性能与准确性 | 指标解读与告警表述质量取决于底层模型与采集命令是否适配你的 OS(Windows / macOS / Linux) |

复杂场景仍可能需要人工辅助;营销文档中的机器学习预测、可视化大盘等并非 SKILL 正文中的刚性交付,落地时以实际 Markdown 指令与可执行检查项为准。

使用场景

  • 值班前让 Agent 按磁盘 80%、内存 85%、Load 规则扫一遍本机,生成可转发的健康摘要
  • 用户只说「看下 system 状态」时,自动采集指标并对超阈值项列出告警说明
  • 定期巡检多台 Linux 开发机,不等同事在群里问「服务器怎么样」
  • 发现 SKILL 允许的简单异常(如临时目录暴涨)时,在授权下尝试预定义修复并汇报结果

适合人员

  • 小团队里兼管几台云服务器的后端,希望 Agent 主动汇报而不是每次 SSH 手工看 top/df
  • SRE 在发布窗口前需要快速对照固定阈值做健康检查并留下文字报告
  • 用 Cursor/Code 类 Agent 做本地开发的工程师,想在对话里用 monitor 触发本机资源巡检
  • 运维外包对接客户时,需要把磁盘、内存、CPU 规则检查结果整理成统一格式的告警说明