SuperAPI AI 工具集

measure-before-you-fix

通用与其它

查看项目

更新于 10-16 05:48

技能介绍

用途:这是一个面向时序类运维告警的“先测量再修复”技能。当出现“X 陈旧”“步骤超时”“流水线卡住”“任务很慢”“落后 N 小时”等告警时,先做一次测量,再决定是否改代码。它适用于 gbrain 的 doctor 陈旧检查、autopilot 周期告警、sync 停滞看门狗(reason: 'stall_timeout')及其上的 cron 监控。

主要能力:保证在拿到被指步骤的实测耗时前,不提出结构性修复(提高超时、拆分步骤、重排流水线、重写包装器);测量针对告警点名的具体实体而非聚合(--all 会掩盖哪个成员慢);在判定系统不健康前,把告警阈值与权威阈值(gbrain doctor 的 warn/fail 行)对比;结论明确区分“需要更多时间”与“已卡死”,二者修复方向相反。该技能只读,不改超时、阈值或代码,只产出测量结论。

使用方式:先读告警自身数字;再对可疑步骤计时,例如 time gbrain sync --source source-a --no-embed,并用 gbrain sources status 交叉核对;用 grep -n "timeoutMs|timeout:" <包装器或 cron 脚本> 检查调用点覆盖;核对告警阈值与权威阈值(doctor 同步新鲜度默认 24h warn / 72h fail,可用 GBRAIN_SYNC_FRESHNESS_WARN_HOURS / GBRAIN_SYNC_FRESHNESS_FAIL_HOURS 覆盖);最后才依据实测数字设计修复。输出为测量结论,含告警、主张、实测命令与耗时、预算、阈值匹配情况、结论与修复。

限制:路由是约定而非机械保证;若实测确认确有变慢或回归,应交给 investigate 处理。常见反模式包括用提高超时来修卡死、在未测量时重写流水线、轻信告警的因果主张。阈值不匹配的典型症状是:重复告警的数字低于 doctor 的 warn 线,而直接查询底层资源却正常。