#12 IT 运维 log-debugger-skill

3 步让 AI 帮你排障

服务器出问题时，你发一句「出问题了」就够了。

来自 Hermes 社区最实用的 log-debugger-skill。SSH 登录服务器 → 拉取错误日志 → 关联最近的代码改动（git blame）→ 给出根因 + 修复建议 → 自动复盘到 Runbook 知识库。

3min故障定位
80%+根因命中
24h在线
背景

为什么要做这个场景？

运维工程师最痛苦的不是解决问题，是「凌晨 3 点被叫醒 → 查半天日志 → 发现是某个 commit 改坏的」。Hermes 把这个流程自动化：告警进来，AI 自动 ssh 拉日志 + 关联 commit + 跑已知 runbook，人只需要做最后一步决策。

工作流

从触发到完成的 6 步

  1. STEP 01

    告警接入

    对接 Prometheus / 阿里云监控 / 飞书机器人 / 自定义 Webhook，多渠道告警统一入口。

  2. STEP 02

    SSH 取证

    自动 ssh 到目标服务器（多台并发），拉取最近 1h 的 error / warn 日志 + 慢查询 + 系统指标。

  3. STEP 03

    关联分析

    结合最近 24h 的 git commit 改动（git blame 关联报错文件），用大模型识别根因。

  4. STEP 04

    匹配 Runbook

    在团队 Runbook 知识库中搜相似 case，优先复用历史解决方案。

  5. STEP 05

    输出诊断报告

    结构化输出：现象 / 时间线 / 根因 / 修复建议 / 预防措施，推送到 IM。

  6. STEP 06

    复盘沉淀

    新 case 自动写入 Runbook，下次同类型问题秒匹配。

实际示例

它跑起来是什么样？

$ hermes run /log-debugger --alert 'API 5xx 错误率 5%'
✓ 已连接 3 台服务节点（api-01 / api-02 / api-03）
✓ 拉取最近 1h error 日志（filter: ERROR | 5xx）
✓ 发现 12 次 5xx 错误集中在 api-01
✓ 关联最近 24h 改动：
    commit a3f4d12✓ (2h ago) feat(payment): switch to stripe v2 SDK
    ✓文件: src/payment/stripe_client.py:47
✓ 根因分析：
    ✓stripe v2 SDK 在处理空 amount 时抛出 TypeError
    ✓修复建议: 添加 amount > 0 守卫或 fallback 到 v1
✓ ✓ 已在 Runbook #247 找到相似 case，附参考方案
关键收益

为什么值得用？

  • 平均故障定位时间 ↓ 70%（从 30 min 到 3 min）
  • 凌晨告警 80% 自助处理——工程师不用起床
  • Runbook 越用越全——新 case 自动沉淀，知识库随时间增长
💡 进阶玩法：把 log-debugger 跟 multi-profile 串起来——「oncall profile」自动接管值班告警，非工作时间只推送 P0 级别，其他汇总到早上简报。
涉及 Skills / 命令

核心配置项

  • ssh-exec
  • log-parser
  • git-blame
  • runbook-search
  • alert-router
  • lark-notify