用途:针对一个或多个触发中的 OpenShift 告警,收集证据、关联分析、判定根因,并给出针对性修复选项。适用于 OpenShift Container Platform(OCP),需在可访问实时集群的环境中运行。
主要能力:提供 Prometheus 相关脚本(prometheus-setup.sh、query-alert.sh、fetch-alert-rule.sh、prometheus-query.sh、prometheus-query-range.sh、discover-metrics.sh、get-firing-alerts.sh)与集群诊断脚本(diagnose-pod.sh、diagnose-node.sh、diagnose-operator.sh、diagnose-workload.sh、get-events.sh、check-recent-changes.sh)。多数脚本输出 JSON,prometheus-setup.sh 输出 shell export 命令供 eval 使用。
使用方式:会话内先执行一次 eval $(bash scripts/prometheus-setup.sh) 设置 TOKEN 与 THANOS_URL,再按两阶段协议操作。阶段一取证:确定告警影响范围;对每个告警执行 query-alert.sh 与 fetch-alert-rule.sh,提取完整标签集,运行其 PromQL 表达式(即时与范围查询),若注解含 runbook_url 则按 runbook 步骤分析;对受影响命名空间内的 Deployment、StatefulSet、DaemonSet 逐一采集状态与日志;再用 get-events.sh 与 check-recent-changes.sh 收集事件与近期变更;最后用 get-firing-alerts.sh 获取全部告警用于关联。阶段二分析:按共享标签分组告警,从节点→Operator→工作负载→Pod 由外向内追踪因果链,结合范围查询与近期变更判断问题起始时间与诱因,最后给出仅针对根因的修复选项,按干扰程度由低到高排列并标注是否可逆。
限制与约束:修复命令(patch、delete、scale、rollout restart 等)超出该技能只读权限(cluster-reader + cluster-monitoring-view),每条修复建议必须附带所需 RBAC 的 API 组、资源、动词、命名空间范围及可应用的 Role/ClusterRole YAML 片段。不得臆测 Pod 名称,需先列出资源;每个工作负载最多抽样 3 个 Pod;不重复相同命令;不要求用户代跑命令;结论须有命令输出证据,无法定论时需说明并指出所需额外数据。根文件系统只读,可写目录为 /home/agent 与 /tmp/agent-workspace。