夜雨聆风我做了一个AI运维助手，它会自己查故障
本文是「老计学AI」系列第10篇。 我是老计，一个8年运维工程师，正在往AI方向折腾。 这个系列记录我从零理解AI的过程。
上一篇聊了Agent是什么。
简单说，Agent不只是回答问题。它会自己判断下一步该做什么，调用工具拿结果，再决定是否继续。
这次我们不只讲概念，直接看看一个AI运维助手是怎么搭出来的。
放心，公众号版不讲代码。我们只看它背后的思路。
先说它能干什么
我希望这个AI运维助手收到一句话后，能自己完成排查：
帮我看看生产环境有没有异常Pod，如果有，分析一下原因。
它会按顺序做这些事：
查询异常Pod 发现某个服务反复重启 查看这个Pod的事件和日志 发现OOM，也就是内存不足 查看当前内存配置 给出增加内存的建议
用户只说了一句话，后面的步骤由它自己判断。
这才是Agent最有意思的地方。
一个Agent只需要三部分
把复杂名词都去掉，一个Agent其实就是三件套。
第一件：工具
工具就是Agent的手脚。
比如给运维Agent准备这些工具：
查异常Pod 看Pod日志 查告警事件 看资源配置
它们就像运维工程师常用的命令，只是被包装成了AI可以调用的按钮。
没有工具，AI再聪明也只能告诉你应该怎么查，不能真的替你查。
第二件：菜单
有工具还不够，必须给每个工具写清楚说明：
这个工具叫什么 它能做什么 什么情况下应该用 使用时需要提供什么信息
这就像饭店菜单。
只写菜名不写介绍，客人可能不知道怎么选。工具说明写得不清楚，AI也可能选错。
比如查日志这个工具，说明里应该告诉AI：当服务崩溃、报错或反复重启时使用。
第三件：循环
循环就是Agent的大脑工作方式。
它每一轮都做三件事：
看目前掌握的信息 决定下一步调用什么工具 看工具返回的结果
信息不够，就再来一轮。信息够了，就停止调用工具并给出答案。
工具让它能做，菜单让它会选，循环让它能持续排查。
它是怎么自动排障的
假设用户问：
帮我查查order-service为什么一直重启。
Agent开始工作。
第一轮：先确认现象
它先调用查询Pod的工具。
结果显示：order-service处于反复崩溃和重启的状态。
它知道服务有问题了，但还不知道为什么，所以不会立即回答。
第二轮：继续找原因
它调用查看日志和事件的工具。
日志里出现了OutOfMemoryError，事件里显示OOMKilled。
翻译成大白话：程序需要的内存超过了限制，被系统强制终止了。
第三轮：查看配置
它接着查看资源配置，发现这个服务的内存上限只有512Mi。
到这里，现象、原因和配置都对上了。信息已经足够。
最终回答
Agent整理出一份结论：
order-service因为内存不足被系统终止，导致不断重启。当前内存上限为512Mi，建议结合实际使用量适当提高内存配置，并检查应用是否存在内存泄漏。
整个过程里，用户不需要逐条告诉它该查什么。
真正关键的不是代码
很多人看到Agent，会先问需要写多少代码。
其实代码长短不是最关键的。真正决定效果的是下面三件事。
工具要可靠
AI给出的结论，建立在工具返回的数据上。
如果查日志的工具拿错了Pod，或者监控数据已经过期，再聪明的AI也会分析错。
工具说明要准确
说明写得模糊，AI就可能在不合适的时候调用错误工具。
这跟带新人一样。你只说去查一下，他可能不知道查哪里。你说清楚先看Pod状态，再看事件和日志，他才知道怎么做。
必须设置边界
Agent可以自主行动，但不能无限自主。
生产环境里至少要有这些限制：
最多执行多少轮 每次处理最多花多少Token 只开放查询工具，危险操作需要人工确认 执行过程完整记录，出问题可以回放
先让AI会查，再考虑让AI去改。
它能替代运维工程师吗
现在还不能。
它更像一个刚入职、查资料特别快的新同事。
它能替你完成重复的信息收集，快速翻日志，整理可能原因。但面对复杂故障，它仍然缺少业务背景和长期积累的经验。
更合理的分工是：
AI负责跑腿和初步分析，人负责判断和兜底。
跟你有什么关系
如果你不是程序员，也不需要关心那120行代码。
你只需要理解：Agent不是一个神秘的万能机器人。它只是把大模型和一组可靠工具连接起来，再让它反复执行，直到得到足够的信息。
将来你看到AI客服、AI助理、AI运维工具，都可以用这三个问题判断它是否靠谱：
它能使用哪些工具 它根据什么选择工具 它什么时候停止，谁来兜底
下一篇预告
一个Agent能完成不少任务。但如果任务非常复杂，让一个Agent从头干到尾，可能又慢又容易出错。
下一篇聊多Agent协作：让多个AI像团队一样分工，有的收集信息，有的分析原因，有的检查结果。
我是老计，8年运维，正在从DevOps向AI方向折腾。 关注「老计爱折腾」，一起搞懂AI、用好AI。 有问题欢迎留言交流。
📌 想看完整代码和技术细节，扫码访问CSDN：
