用WorkBuddy做运维助手的五个实战场景
研究AIOps已有1年,目前手里有不少可落地的方案了,而且目前我们已经有了自研的AIOps平台,欢迎关注并与我链接。
其实,腾讯的WorkBuddy在今年3月份就出来了,它和Claude Code / Codex是一类东西。不过,它是商业软件,所以我一直没有去测它在运维场景里的表现。
近期在公众号里频频刷到它,而且据说月活用户都有两千万了,看来这玩意在国内用户中越来越被认可啦。于是,这两天我也安装上了WorkBuddy,打算深度用一下。今天这篇文章来跟大家介绍几个WorkBuddy在运维场景的用法。
注意:以下场景已经假设提供给WorkBuddy相关的服务器权限,这里可以通过Ansible MCP搞定。
场景一:智能巡检
以前怎么干的:
每周一早上,登录每台机器,敲 df -h、free -m、uptime,翻输出,记到 Excel。20 台机器干一上午。
现在让 WorkBuddy 干:
帮我巡检一下生产环境的所有服务器,检查以下内容:基础设施:- 磁盘使用率,超过 80% 的列出来- 内存和 CPU 使用率,持续超过 80% 的列出来- 系统负载,超过 CPU 核数 2 倍的列出来安全:- 所有 SSL 证书,30 天内过期的标黄,7 天内过期的标红- 检查最近 7 天有没有新增的 cron 任务或系统服务- 检查 /tmp 和 /var/tmp 下有没有可疑文件应用:- 检查所有核心服务的 /health 接口- 检查数据库连接池使用率结果整理成报告,按严重程度分 CRITICAL / WARNING / INFO 三级,发到我邮箱。
WorkBuddy会这样做:它自己去连服务器、查磁盘、检查证书、调接口,最后把报告整理好发到你邮箱。你打开邮箱,只看标红的部分,绿的直接跳过。
场景二:故障排查
以前怎么干的:
线上告警来了,用户说接口慢了。打开监控大盘,翻日志,查调用链,问开发有没有变更——折腾二三十分钟,才找到根因。
现在让 WorkBuddy 干:
帮我查一下这个告警:订单服务接口响应时间飙到 5 秒了。做以下几件事:1. 查一下这个服务最近 15 分钟的 CPU、内存、GC 情况2. 查一下最近 15 分钟的错误日志,按错误类型归类3. 查一下这个服务最近 24 小时有没有发版或者改配置4. 查一下它依赖的数据库和中间件最近有没有异常把以上信息整理成一份排查报告,告诉我:- 什么时间开始出问题的- 变化最大的指标是哪些- 最可能的根因是什么- 下一步怎么验证
Wo…