我用AI自动生成了整个Grafana监控大盘(从0到完成)

昨天组里来了个需求：

"给新上线的业务搭一套监控大盘，要有主机指标、容器指标、业务接口指标，后天评审。"

以前接到这种活，我心里是这样的：

去Grafana官网抄模板 → 发现不匹配 → 手动改JSON → 面板错位 → 
调半天变量 → 领导说颜色不好看 → 再改 → 一天没了

这次我换了个玩法：全程用AI生成，从指标梳理到Dashboard JSON到导入Grafana，2小时搞定。

今天把完整过程分享出来，你直接抄作业。

一、先想清楚：这个大盘要监控什么

很多人上来就让AI"帮我生成一个Grafana大盘"，然后得到一堆没用的面板。

关键第一步：先把需求喂清楚。

我给AI的第一条Prompt：

我需要为一个Java微服务搭建Grafana监控大盘。

环境信息：
- 基础设施：3台Linux主机，CentOS 7
- 容器平台：Kubernetes 1.28
- 监控采集：Prometheus + node_exporter + kube-state-metrics + JMX exporter
- 业务类型：HTTP API服务，Spring Boot框架

请帮我梳理这个大盘应该包含哪些监控模块和核心指标，
按"基础设施层→容器层→应用层→业务层"分层列出。
每个指标给出对应的Prometheus指标名。

AI返回的结果（我整理成表格）：

基础设施层

容器层

应用层

业务层

这一步的价值：以前我自己梳理这些指标至少要半小时翻文档，现在2分钟搞定，而且分层很清晰。

二、让AI直接生成Dashboard JSON

Grafana Dashboard本质上就是一个JSON文件。手写很痛苦，但对AI来说就是生成结构化数据，非常擅长。

第二条Prompt（核心）：

根据上面梳理的指标，帮我生成一个完整的Grafana Dashboard JSON文件。

要求：
1. Grafana版本：10.x
2. 数据源名称：Prometheus
3. 分4个Row：基础设施层、容器层、应用层、业务层
4. 每个Row默认折叠，点击展开
5. 添加变量：
   - instance（主机选择，基于node_exporter的targets）
   - namespace（K8s命名空间）
   - pod（Pod名称，联动namespace）
6. 面板布局：每行2-3个面板，宽度均分
7. 颜色方案：使用Grafana默认的绿-黄-红阈值
8. 业务层的QPS面板用柱状图，响应时间用折线图，其余用stat或gauge

请直接输出完整可导入的JSON，不要省略。

AI会生成一个很长的JSON。这里我截取关键结构说明：

{
"dashboard": {
"title": "微服务监控大盘",
"tags": ["ops", "microservice"],
"templating": {
"list": [
        {
"name": "instance",
"type": "query",
"query": "label_values(node_cpu_seconds_total, instance)",
"datasource": "Prometheus"
        },
        {
"name": "namespace",
"type": "query",
"query": "label_values(kube_pod_info, namespace)"
        },
        {
"name": "pod",
"type": "query",
"query": "label_values(kube_pod_info{namespace=\"$namespace\"}, pod)"
        }
      ]
    },
"panels": [
      {
"type": "row",
"title": "📦 基础设施层",
"collapsed": true,
"panels": [
          {
"title": "CPU使用率",
"type": "timeseries",
"targets": [{
"expr": "100 - (avg by(instance)(irate(node_cpu_seconds_total{mode=\"idle\",instance=\"$instance\"}[5m])) * 100)"
            }],
"fieldConfig": {
"defaults": {
"thresholds": {
"steps": [
                    {"color": "green", "value": null},
                    {"color": "yellow", "value": 70},
                    {"color": "red", "value": 90}
                  ]
                }
              }
            }
          }
        ]
      }
    ]
  }
}

实际生成的JSON大概有400-600行，包含完整的十几个面板。

三、导入Grafana并验证

拿到JSON后，导入步骤：

Grafana左侧菜单 → Dashboards → New → Import 
→ 粘贴JSON → Load → 选择数据源Prometheus → Import

导入后你通常会遇到几个问题。别慌，这是正常的。

四、常见问题修复（重点）

第一次导入基本不会完美，但修复过程也可以让AI帮你。

问题1：某个面板显示No Data

把问题丢给AI：

我导入了你生成的Grafana Dashboard，其中"Pod CPU使用"面板显示No Data。

我在Prometheus里手动查询以下指标有数据：
container_cpu_usage_seconds_total{namespace="default"}

但面板里的PromQL是：
sum(rate(container_cpu_usage_seconds_total{namespace="$namespace",pod="$pod"}[5m])) by (pod)

可能是什么原因？请帮我修复PromQL。

AI通常能快速定位：

• 变量没选（$namespace为空）
• label名称不匹配（pod和pod_name的版本差异）
• rate的范围向量窗口太小

问题2：面板布局错乱

帮我调整以下面板的gridPos，要求：
- 每行3个面板
- 每个面板宽度为8（总宽24）
- 高度统一为8
- 按从左到右、从上到下排列

当前面板标题列表：
1. CPU使用率
2. 内存使用率  
3. 磁盘使用率
4. 磁盘IO
5. 网络流量

请输出每个面板的gridPos。

AI返回：

// 第1个面板：左上
"gridPos": {"h": 8, "w": 8, "x": 0, "y": 0}

// 第2个面板：中上
"gridPos": {"h": 8, "w": 8, "x": 8, "y": 0}

// 第3个面板：右上
"gridPos": {"h": 8, "w": 8, "x": 16, "y": 0}

// 第4个面板：左下
"gridPos": {"h": 8, "w": 8, "x": 0, "y": 8}

// 第5个面板：中下
"gridPos": {"h": 8, "w": 8, "x": 8, "y": 8}

问题3：想增加一个面板

比如领导评审时说"加一个接口成功率的饼图"：

帮我生成一个Grafana 10.x的Pie Chart面板JSON，要求：
- 标题：接口成功率分布
- 数据源：Prometheus
- 展示2xx、4xx、5xx的请求占比
- 指标：http_server_requests_seconds_count
- 按status标签分组
- 颜色：2xx绿色、4xx黄色、5xx红色

拿到JSON片段，插入到Dashboard的panels数组里就行。

五、优化润色：让大盘更专业

基础功能有了，最后让AI帮你润色：

我的Grafana Dashboard已经能正常显示了，请帮我优化以下方面：

1. 给每个面板添加description（鼠标悬停时显示说明）
2. 业务层的响应时间面板，增加P95和P99两条线
3. 所有百分比类面板，Y轴限制0-100，单位设为percent(0-100)
4. 内存类面板，单位设为bytes(SI)，自动转换KB/MB/GB
5. 在Dashboard顶部加一个"概览"Row，放4个Stat面板：
   - 总QPS
   - 平均响应时间
   - 错误率
   - Pod运行数

这一步的效果是从"能用"变成"能拿去评审"。

最终大盘结构：

┌─────────────────────────────────────────────┐
│  📊 概览（4个Stat大字面板，一目了然）          │
├─────────────────────────────────────────────┤
│  ▶ 📦 基础设施层（点击展开5个面板）            │
├─────────────────────────────────────────────┤
│  ▶ 🐳 容器层（点击展开4个面板）               │
├─────────────────────────────────────────────┤
│  ▶ ☕ 应用层（点击展开4个面板）               │
├─────────────────────────────────────────────┤
│  ▶ 📈 业务层（点击展开4个面板）               │
└─────────────────────────────────────────────┘

六、时间对比

省了4.5小时，而且生成的PromQL比我手写的还规范。

七、你可以直接复用的Prompt模板

把下面这个模板存好，以后新业务接监控需求直接套用：

# Grafana Dashboard 生成模板

## 环境信息
- 操作系统：[填写]
- 容器平台：[填写，如K8s版本]
- 监控采集：[填写，如Prometheus + 哪些exporter]
- 业务类型：[填写，如Java/Go/Python，什么框架]
- Grafana版本：[填写]

## 需求描述
请生成一个完整的Grafana Dashboard JSON文件。

### 监控分层
按以下层次组织面板：
1. 概览层：核心指标Stat面板
2. 基础设施层：主机CPU/内存/磁盘/网络
3. 容器层：Pod资源/状态/重启
4. 应用层：[根据语言填，如JVM/GC/线程]
5. 业务层：QPS/延迟/错误率

### 技术要求
- 添加变量：instance, namespace, pod
- 每个Row默认折叠
- 面板每行2-3个，宽度均分
- 包含阈值颜色（绿-黄-红）
- 单位正确（百分比、字节、秒等）

### 输出要求
直接输出完整可导入的JSON，不要省略任何面板。

写在最后

以前觉得搭监控大盘是个体力活，现在用AI之后变成了一个"审稿"的过程——AI出初稿，你来Review和微调。

这种工作模式的转变，其实就是上篇文章说的：你从"执行者"变成了"指挥者"。

几个建议：

1. 不要期望一次完美，第一次生成能用60-70%就很好了
2. 修复过程也用AI，把错误信息直接丢给它
3. 存好你的Prompt模板，下次搭新大盘10分钟就能出初版
4. JSON生成后一定要人工检查PromQL，指标名和label以你实际环境为准

下一篇聊一个大家都关心的话题：2026年运维岗薪资天花板在哪？AI技能到底值多少钱，我扒了几百条招聘数据，给你看真实数字。

关注不迷路，咱们下篇见。