夜雨聆风
基于ADP CLI的
巡检报告AI自动化工具
经验分享
运行管理科 何俊鹏
解锁AI办公搭子
大家好，我是运行管理科何俊鹏，在本次推文中，我将基于从初步接触ADP CLI工具，到尝试使用、最终“驯服”的过程，向大家分享我基于ADP CLI工具制作巡检报告AI自动化工具的经验。本次分享也是抛砖引玉，也期待更多巧用行内 AI 工具提质增效的伙伴，后续能踊跃分享自身高效AI办公实战经验。
缘起
Part/01
巡检痛点拉满 AI来破局
每到季度系统巡检，核查服务器 CPU、内存、磁盘资源占用都是一大耗时难题。随着业务扩张，服务器集群规模持续扩大，人工巡检需要逐台打开监控页面、批量截图、整理素材。
举例：目前如果有一个系统有十多个服务器，每个服务器分别查询CPU、磁盘空间、内存使用，这样每次巡检就需要查询、截图几十次，重复机械操作现象严重。
所以一直以来我都想解决这个痛点，只是苦于没有时间、工具不称手，几番尝试过都作罢了。直到专家团队推出行内 AI 代码助手 ADP CLI，我立刻意识到，困扰许久的巡检难题终于有了解决方向。
实践
Part/02
上手 ADP CLI 细致打磨
拿到工具后我第一时间下载安装，ADP CLI 操作逻辑和 OpenCode 相近，上手门槛很低。我先简单下达指令实现网页自动截图，它果然实现了，这得益于它自带了用于自动测试版本的Chrome浏览器。那这事就成一半了。
后续我持续迭代技术方案，全程依靠 AI 生成、修改代码，绝大多数环节无需手动编写，仅一次出现 “Request timed out” 报错时做了少量手动调整。过程中我先后尝试两条开发路线：
01/ Skills 技能路线
初期计划依靠 Skills 功能实现自动化，但该模式高度依赖大模型接口，不仅运行速度慢，而且部分环境无法连通大模型，场景局限性太强，综合考量后直接舍弃。
02/ Python 程序开发路线
调整思路后，我指令 ADP CLI 基于 Python 搭建完整巡检程序。工具自带 Python 解析器，同时适配内网模块源，各类依赖包可一键自动安装，内网安装python模块不再是掣肘了，彻底解决内网安装第三方库的阻碍。
整套程序依赖前文所述的Chrome浏览器、Python解析器，再额外安装 pandas、openpyxl、python-docx、playwright、pyyaml 模块。
运行逻辑也十分清晰：程序自动启动浏览器跳转一体化监控系统，等待人工完成登录后，读取录入的服务器 IP、实例 ID、磁盘巡检路径等参数，自动拼接访问地址打开对应监控页面，批量截取资源使用截图，最后按 CPU、内存、磁盘分类，自动生成完整巡检报告。
成效
Part/01
AI 搭子上岗 效率翻倍
工具落地后的效率提升十分直观：一套包含 10 台服务器的系统，人工采集 30 余张资源截图至少耗费 30 分钟；借助自动化程序，全程无需人工盯守，登录监控系统启动脚本后静待报告即可，整套流程 3 分钟就能全部完成。
面对几十台服务器的大型集群，时间成本差距会更加悬殊，极大解放我们消耗在重复操作上的精力，能把更多时间投入其他非重复机械操作。
当然，这个过程也不是一蹴而就的，因为我是一步一步尝试自己的想法，并没有详细的需求给它，所以我的需求是不停在变、不停在补充的：在程序实现基本功能之后，我又要它截取指定位置、改图片的大小、报告的字体等。
甚至在最后当我想将这个工具分享给科室内其他同事时，我又蹦出了一个想法——既然它能够快速截取服务器资源一个季度的使用情况，那截取一个月、一天、一小时也是一样的，于是又让它改成可选的，用户在运行脚本的时候可以自行选择检查的周期，这样在问题分析的时候，也可以快速截取最近的资源使用情况，扩宽了使用场景，不再仅限于季度巡检了。
总结
正如 Claude Code 团队工程总监所说：“Building is cheap”。AI 时代编写代码的门槛大幅降低，相比复杂编码实现，新颖实用的工作想法才是核心。
“磨刀不误砍柴工”，如果大家日常工作里存在大量重复、机械的操作，不妨试一试行内 AI 代码助手。不用追求一步到位，先落地基础功能，在使用过程中持续完善优化，让 AI 成为我们减负增效的得力帮手。也欢迎各位同事积极分享自己的 AI 使用妙招，解锁自己的AI办公搭子！
END
