夜雨聆风研究 AIOps 已有数月，目前手里有不少可落地的方案了，接下来会把这些方案全部整理到我的公众号里。欢迎大家关注，可以把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。
上周有给大家提供一篇：AIOps 探索：OpenClaw 直接安装 Ansible Skill：批量管理 Linux 主机如此简单，今天继续分享一个超实用的场景——自动化巡检。
一、为什么需要自动化巡检？
说实话，手动巡检这事儿，干过运维的都懂：
每天都要登录一堆服务器检查状态
重复性的命令敲到手软
一不小心还容易漏掉关键指标
出了问题才发现，为时已晚
这不，我就手痒了，想着能不能让 AI 助手帮我自动干这事儿。
具体过程我就不展示了，直接来看下我用 OpenClaw 实现的自动化巡检方案。
二、前置条件
OpenClaw 已安装并配置好
目标服务器的 SSH 访问权限
基础的 Linux 命令知识
详细的安装配置过程我就不展开了，之前文章都写过。
三、核心步骤
步骤 1：创建巡检技能
首先，我需要告诉 OpenClaw 要检查什么。我的第一个提示词：
你是一个运维巡检助手，需要检查以下项目：1. CPU 使用率（超过 80% 告警）2. 内存使用率（超过 85% 告警）3. 磁盘空间（超过 90% 告警）4. 关键服务状态（nginx, mysql, redis）5. 系统负载（超过 CPU 核数告警）6. 最近 1 小时的错误日志请以结构化格式输出检查结果，正常项打✅，异常项打❌并说明详情。
看看它的回复，还挺专业的，直接把巡检项都列清楚了。
步骤 2：编写巡检脚本
我让 OpenClaw 帮我生成了一个巡检脚本：
#!/bin/bash# 自动化巡检脚本echo "=== 系统巡检报告 ==="echo "时间：$(date '+%Y-%m-%d %H:%M:%S')"echo "主机：$(hostname)"echo ""# CPU 使用率CPU_USAGE=$(top -bn1 | grep "Cpu(s)" | awk '{print $2}' | cut -d'%' -f1)echo "CPU 使用率：${CPU_USAGE}%"# 内存使用率MEM_USAGE=$(free | grep Mem | awk '{printf("%.2f", $3/$2 * 100.0)}')echo "内存使用率：${MEM_USAGE}%"# 磁盘使用率DISK_USAGE=$(df -h / | tail -1 | awk '{print $5}' | cut -d'%' -f1)echo "磁盘使用率：${DISK_USAGE}%"# 系统负载LOAD=$(uptime | awk -F'load average:' '{print $2}' | cut -d',' -f1 | tr -d ' ')echo "系统负载：${LOAD}"# 服务状态检查for service in nginx mysql redis; do if systemctl is-active --quiet $service; then echo "$service 服务：✅ 运行中" else echo "$service 服务：❌ 未运行" fidone
步骤 3：配置定时任务
我让 OpenClaw 帮我设置了一个定时任务，每小时自动巡检一次：
# 添加到 crontab0 * * * * /path/to/inspection.sh >> /var/log/inspection.log 2>&1
步骤 4：集成告警通知
这一步挺关键的，我配置了当发现异常时，自动通过飞书机器人发送告警消息：
# 告警函数send_alert() { local message="$1" curl -X POST "https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_WEBHOOK" \ -H "Content-Type: application/json" \ -d "{\"msg_type\":\"text\",\"content\":{\"text\":\"⚠️ 巡检告警：$message\"}}"}# 检查并告警if [ $(echo "$CPU_USAGE > 80" | bc) -eq 1 ]; then send_alert "CPU 使用率过高：${CPU_USAGE}%"fi
四、效果演示
来看下实际运行效果：
正常巡检输出：
=== 系统巡检报告 ===时间：2026-04-07 10:30:00主机：prod-server-01CPU 使用率：45.2%内存使用率：62.8%磁盘使用率：58%系统负载：1.25nginx 服务：✅ 运行中mysql 服务：✅ 运行中redis 服务：✅ 运行中✅ 所有检查项正常
异常告警输出：
=== 系统巡检报告 ===时间：2026-04-07 10:30:00主机：prod-server-01CPU 使用率：92.5% ❌内存使用率：88.3% ❌磁盘使用率：58%系统负载：4.85 ❌nginx 服务：✅ 运行中mysql 服务：❌ 未运行redis 服务：✅ 运行中❌ 发现 4 项异常，已发送告警通知
看看这个效果，是不是还挺直观的？
五、总结
最关键的步骤是：
明确巡检项 - 不要贪多，先覆盖核心指标
脚本要健壮 - 异常处理要做好，别脚本自己先挂了
告警要精准 - 避免狼来了，阈值要合理
持续优化 - 根据实际运行情况调整巡检策略
这个方案目前已经在我的几台服务器上跑了一个月，还真挺稳定的。
六、延伸思考
希望大家能看明白这个思路。其实自动化巡检只是 AIOps 的一个小场景，类似的还有：
自动化故障处理
日志智能分析
容量预测
异常检测
这些我都会在后续文章里一一分享。
最后介绍下我的公众号：研究 AIOps 已有数月，目前手里有不少可落地的方案了，接下来会把这些方案全部整理到我的公众号里。如果你觉得这篇文章有帮助，欢迎关注，分享给更多运维伙伴。
