彭大帅的AI运维助手实战案例 3 · 一次对话巡完所有服务器

月度巡检从半天缩到几分钟AI 顺便把报告写了—— 系列第 3 篇 ——2026 年 10 月目 录一、现场月底巡检半天起步的体力活二、一句话派活AI 怎么组装巡检命令三、并行执行与结果聚合四、规模放大之后五、收尾巡检的本质是「读」变更是「写」一、现场月底巡检半天起步的体力活每个运维人都有过这样的月底领导说「月底了把服务器过一遍」。四台 Linux 虚拟机web01、web02、db01、app-kvm要看的无非是负载、CPU、内存、磁盘、失败的服务、最近谁登过。没有技术难度只有重复劳动——挨台 SSH 登录每台敲一遍同样几条命令回显看一眼记录到表格里。四台机器就是四遍四十台就是四十遍中间还容易看串行。熟手会写个巡检脚本for 循环加 ssh把输出重定向到本地文件跑完再汇总。这确实快但脚本要维护——主机列表变了要改要巡的项目变了要改输出格式不统一还得自己写解析。更重要的是脚本只会把一堆原始文本甩你脸上「看完并得出结论」这一步还是你的活儿。这一篇演示的是把「写脚本、跑脚本、读结果」三件事一起交给 AI你说巡检要求AI 组装命令、多机并发执行、聚合结果然后像下属汇报一样告诉你哪台有问题。二、一句话派活AI 怎么组装巡检命令在 Web GUI 里我对着纳管了四台 Linux 主机的助手说我月底巡检四台 Linux 都过一遍系统负载、CPU 和内存水位、超 60% 的磁盘、内存占用前三的进程、失败的 systemd 单元、最近登录记录。巡完给我一份结论。AI 把这段需求翻译成了一条复合巡检命令——这正是它比固定脚本灵活的地方巡检项随说随改不用改任何脚本AI→ run_command_on_hosts(hosts[web01, web02, db01, app-kvm],commandecho 主机; hostname; uptime; \echo 内存; free -m; \echo 磁盘超60%; df -h | awk NR1 $5060; \echo 内存TOP3; ps aux --sort-%mem | head -4; \echo 失败单元; systemctl --failed --no-legend; \echo 最近登录; last -n 5)几个值得注意的机制都写在这个工具的行为里多台主机最多 8 路并发执行未连接的主机会自动建立 SSH 连接某台连接失败不会拖垮整批结果里会单独标注失败原因命令是只读巡检直接放行不弹确认——如果哪天你要批量执行变更命令确认框会一次列出并覆盖全部目标主机不会让你挨台点。三、并行执行与结果聚合四台机器几秒内全部返回输出按主机分块聚合以下节选格式统一后已精简 [web01] 主机 web01 load average: 0.02, 0.05, 0.01磁盘超60% 无失败单元 无 [web02] 主机 web02 load average: 1.84, 1.62, 1.40失败单元 postfix.service loaded failed failed [db01] 主机 db01 load average: 0.11, 0.08, 0.03磁盘超60% /dev/mapper/centos-root 40G 18G 20G 47% /失败单元 无 [app-kvm] 主机 app-kvm load average: 0.35, 0.28, 0.20失败单元 无40 行原始输出人眼扫四台机器要来回切窗口对照而 AI 直接开始「读结果」AI巡检完成逐台结论web01健康。负载空载水平磁盘、内存、服务无异常。web02负载 1.84 偏高但 CPU 核数内可接受发现 postfix.service处于 failed 状态邮件服务若不用可禁用建议处理。db01健康。磁盘 47%上个月告警清理后恢复良好MySQL 正常。app-kvm健康。所有指标正常。总结论4 台中 3 台健康web02 有 1 个失败单元待处理其余均在正常水位。需要我看一下 postfix 失败的原因吗巡检报告到这里已经自动成型。换作以前这一步是把四份输出贴进表格再写两段文字现在它是对话的一部分。我顺口追问我postfix 怎么回事不用邮件就处理掉AI→ run_command(systemctl status postfix --no-pager | head -10)启动失败端口被占用AI失败原因25 端口被其他进程占用导致启动失败。这台机器不承担邮件职能建议直接禁用systemctl disable --now postfix这是变更操作执行前会弹确认。我确认禁用AI→ run_command(systemctl disable --now postfix)已确认→ run_command(systemctl --failed --no-legend)无输出失败单元已清零顺手做了复查注意最后一行AI 执行完变更后自己做了验证回查——确认 failed 列表已经清空而不是报告「执行完毕」就完事。巡检的闭环是「检查 → 结论 → 处理 → 复查」它一路走到底。四、规模放大之后四台机器的演示可能还看不出差距把数字放大就明白了四十台服务器传统手工巡检按每台十分钟算是七个工时自己写脚本加维护要一个晚上的前期投入且每次需求变化都要改代码。而 AI 的路径始终不变——你说要求它组装命令、并发执行一次最多 8 路自动排队跑完、聚合输出、给出结论全程你要做的事就是开口和决策。hosts 参数支持写 all表示主机清单里的全部机器新增主机不用改任何「巡检配置」——纳管了就巡得到。配合值守监测的分工也很清晰值守负责「7×24 盯着异常」月度巡检负责「定期深看一遍水位与隐患」一个管突发一个管体检互不替代。环节传统做法AI 运维助手巡检准备写脚本或挨台手敲说一句巡检要求命令组装自己拼复合命令AI 按需求现场组装执行方式逐台串行或自写并发最多 8 路并发单台失败不拖批结果处理人工看输出、抄表格AI 聚合解读并输出结论发现问题的处理另起一轮排查同一对话里追问即排查变更走确认四十台成本约 7 工时或维护一套脚本几分钟 维护成本为零要点批量执行限制每台主机的回显有截断上限像「cat 一个超大日志」这类超长输出不适合批量跑需要逐台不同命令时AI 会自己改用单机模式循环执行。这个边界它比你清楚。五、收尾巡检的本质是「读」变更是「写」这一篇刻意选了巡检场景因为它是理解这套工具定位的最佳标本巡检全程是只读操作AI 一路畅通无阻一旦进入处理环节禁用 postfix确认框立刻出现。读得快、写得稳两种节奏的切换不需要你做任何设置它在每个命令的级别上自动发生。下一篇我们把「写」的比重加大一次正经的批量变更——改配置、分发文件、批量重启看看一次确认覆盖全部主机的执行体验以及 AI 在批量场景里主动设置的刹车。