AI智能运维实战：基于Markdown技能定义与ReAct模式自动处理磁盘空间告警

当前，以OpenAI和Anthropic为代表的技术方向正推崇“Folder-as-a-Skill”（文件夹即技能）的理念。这意味着我们无需编写复杂的函数来定义AI工具，只需准备几份结构清晰的Markdown文档，就能为AI赋予感知与执行能力。

本文将通过一个具体的运维告警处理场景进行实战演示：构建一个DevOps智能体（Agent），仅需三个Markdown文件定义的技能，即可自动响应并解决“磁盘空间不足”的报警问题。

场景与需求

假设你作为运维负责人，收到一条报警指令：“服务器/var/log分区报警，空间不足，请立即排查并清理大文件！”

为让AI独立完成此任务，我们需要赋予它三项核心能力：

1. 👀 巡检 (SystemCheck)：查看磁盘使用情况，确认问题。
2. 🔍 侦察 (FileScout)：定位占用空间的大文件。
3. 🧹 清理 (LogCleaner)：压缩旧日志文件以释放空间。

下面，我们通过定义技能和组装引擎来实现这个AI运维智能体。

第一步：以Markdown文件定义技能

我们在项目skills/目录下创建三个.md文件，它们将构成智能体的“技能库”。

1. 巡检技能 (skills/system_check.md)

此技能用于系统健康检查，是确认问题的第一步。

# Skill: System Check
## Description
Use this skill to check disk usage and system health.
Always start with this when the user reports "space issues" or "disk full".

## Usage
- Check disk space: `df -h`

2. 侦察技能 (skills/file_scout.md)

此技能用于在指定目录中查找大文件，定位问题根源。

# Skill: File Scout
## Description
Use this skill to find large files in a specific directory.
Use this AFTER checking disk space to identify the culprit.

## Usage
- Find files larger than 100M: `find {directory} -type f -size +100M`
- List top 5 large files: `du -ah {directory} | sort -rh | head -n 5`

3. 清理技能 (skills/log_cleaner.md)

此技能专门用于压缩日志文件，安全释放磁盘空间。

# Skill: Log Cleaner
## Description
Use this skill to compress large log files to save space.
Only use this on `.log` files.

## Usage
- Compress a file: `gzip {filename}`

第二步：组装智能体引擎

我们需要一个简单的Python脚本来加载这些Markdown技能，并将其作为上下文提示（Prompt）提供给大语言模型（如DeepSeek或GPT-4），同时实现ReAct（思考-行动-观察）决策循环。

import os
import re
import subprocess
from openai import OpenAI

# 1. 加载所有Markdown技能文档
def load_skills():
    skills = []
    for filename in ["system_check.md", "file_scout.md", "log_cleaner.md"]:
        with open(f"skills/{filename}", "r", encoding="utf-8") as f:
            skills.append(f.read())
    return "\n\n".join(skills)

# 2. 初始化智能体客户端
client = OpenAI(api_key="sk-...", base_url="https://api.deepseek.com")
skills_docs = load_skills()

system_prompt = f"""
你是一个高级运维Agent。你拥有以下技能：
{skills_docs}

工作原则：
1. 像人类专家一样思考，一步步解决问题。
2. 要使用工具时，将Shell命令包裹在 ```bash ... ``` 中。
3. 必须根据上一步的执行结果（Observation）来决定下一步行动。
"""
history = [{"role": "system", "content": system_prompt}]

# 3. 运行ReAct决策循环
def run_agent(task):
    print(f"🚨 [任务]: {task}")
    history.append({"role": "user", "content": task})

    for i in range(5): # 最多执行5轮思考-行动循环
        # A. 思考 (Think)
        response = client.chat.completions.create(
            model="deepseek-chat", messages=history, temperature=0
        )
        ai_msg = response.choices[0].message.content
        print(f"\n🤖 [思考第 {i+1} 步]:\n{ai_msg}")
        history.append({"role": "assistant", "content": ai_msg})

        # B. 行动 (Act)
        cmd_match = re.search(r"```bash\n(.*?)\n```", ai_msg, re.DOTALL)
        if cmd_match:
            cmd = cmd_match.group(1).strip()
            print(f"⚡ [执行]: {cmd}")
            # 模拟执行命令并获取结果（真实环境应使用subprocess）
            observation = mock_execute(cmd)
            print(f"📄 [结果]: {observation}")

            # C. 观察 (Observe)
            history.append({"role": "user", "content": f"Command Output:\n{observation}"})
        else:
            print("\n✅ [完成]")
            break

# --- 模拟服务器执行环境 ---
def mock_execute(cmd):
    if "df -h" in cmd:
        return "Filesystem      Size  Used Avail Use% Mounted on\n/dev/sda1       50G   48G  2.0G  96% /var/log"
    if "find" in cmd or "du" in cmd:
        return "./access.log  5.0G\n./error.log   12.0G" # 发现超大日志文件
    if "gzip" in cmd:
        return "gzip: error.log replaced with error.log.gz"
    return "Command executed."

if __name__ == "__main__":
    run_agent("服务器 /var/log 空间报警，请排查并处理！")

第三步：运行与效果展示

执行上述脚本，AI智能体将如同一位经验丰富的运维工程师，自主调用技能，一步步解决问题。以下是模拟的控制台输出流程：

第一轮：巡检（调用 System Check）

🤖 AI思考：
“收到空间报警。首先，我需要确认/var/log的磁盘使用情况，看看是不是真的满了。使用System Check技能。”

df -h

⚡ 系统执行： df -h
📄 返回结果： /dev/sda1 ... 96% /var/log （确认磁盘使用率高达96%）

第二轮：侦察（调用 File Scout）

🤖 AI思考：
“磁盘使用率高达96%。接下来我需要找出是哪个文件占用了这么多空间。使用File Scout技能查找/var/log目录下的大文件。”

du -ah /var/log | sort -rh | head -n 5

⚡ 系统执行： du ...
📄 返回结果： 12.0G ./error.log （成功定位到占用12GB的error.log文件）

第三轮：清理（调用 Log Cleaner）

🤖 AI思考：
“发现error.log占用了12GB。为了释放空间，我应该对其进行压缩。使用Log Cleaner技能。”

gzip /var/log/error.log

⚡ 系统执行： gzip ...
📄 返回结果： gzip: error.log replaced with error.log.gz （文件压缩成功）

第四轮：复查与总结

🤖 AI思考：
“大文件已压缩。任务完成报告：

1. 排查：发现 /var/log 分区使用率96%。
2. 定位：发现 error.log 文件占用12GB。
3. 处理：已成功压缩该文件，空间已释放。”
   ✅ [任务完成]

总结

通过这个实战案例可以看到，我们并未编写复杂的if-else业务逻辑来硬编码处理流程。我们仅仅：

1. 定义了三个独立的Markdown技能文档（即“做什么”）。
2. 实现了一个通用的ReAct循环引擎（即“如何思考”）。

智能体依托大语言模型强大的逻辑推理与规划能力，自动完成了“问题分析 -> 技能选择 -> 命令执行 -> 结果评估”的完整闭环。这揭示了基于人工智能的下一代软件开发的核心理念：开发者专注于抽象和定义能力，而AI负责动态编排这些能力以解决复杂问题。