ReAct框架搭建故障排查智能运维机器人
先搞懂 ReAct 和智能运维机器人能干什么
很多运维同学觉得 AI 编程门槛高，其实借助 ReAct（Reasoning + Acting）框架，你只需要写几行 Python 就能让大模型自动分析日志、调用系统命令并给出修复建议。
简单说，ReAct 让 LLM 先思考“故障可能是什么原因”，然后执行一个动作（比如查 CPU 使用率、读错误日志），再根据结果继续推理，直到找到根本原因。
本文的目标就是带你亲手做一个这样的机器人，用它排查 nginx 挂掉、磁盘满、进程假死等常见问题。
第一步：环境搭建与依赖安装
打开你的 Linux 服务器或本地开发机（本文以 Ubuntu 22.04 为例），先确保 Python 3.8 以上已安装。
然后创建项目目录并安装核心库：
mkdir react-robot && cd react-robot
python3 -m venv venv
source venv/bin/activate
pip install langchain openai python-dotenv接着在项目根目录创建 .env 文件，写入你的 OpenAI API Key（或者兼容接口）：
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_API_BASE=https://api.openai.com/v1 # 如果使用其他模型请修改端点⚠️ 避坑：如果 API Key 在代码里硬编码，不小心提交到 Git 会泄露。务必使用环境变量或.env文件，且将.env加入.gitignore。
第二步：编写机器人核心代码——定义工具与Agent
创建一个 robot.py，
核心思路是：
定义几个“工具函数”（比如执行 shell 命令、
读取日志文件），
然后让 LangChain 的 ReAct Agent 根据用户问题自动调用这些工具。
import os
from dotenv import load_dotenv
load_dotenv()
from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
import subprocess
# 1. 定义工具函数：执行 shell 命令并返回输出
def run_bash(command: str) -> str:
try:
result = subprocess.run(command, shell=True, capture_output=True, text=True, timeout=30)
return result.stdout + result.stderr
except Exception as e:
return f"执行出错: {e}"
# 2. 注册工具
tools = [
Tool(
name="ShellExecutor",
func=run_bash,
description="用于在服务器上执行 shell 命令，例如 'ps aux'、'df -h'、'tail -n 50 /var/log/nginx/error.log'。"
)
]
# 3. 初始化 LLM
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
# 4. 创建 ReAct Agent
prompt = PromptTemplate.from_template(
"""Answer the following question as best you can. You have access to the following tools:
{tools}
Use the following format:
Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [{tool_names}]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question
Begin!
Question: {input}
{agent_scratchpad}"""
)
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True, handle_parsing_errors=True)🧠 解释：create_react_agent会自动按照 ReAct 格式要求 LLM 输出“思考-动作-观察”循环。handle_parsing_errors=True可以处理 LLM 偶尔输出不规范导致的报错。
第三步：启动机器人并测试故障排查
在 robot.py 末尾添加交互循环：
if __name__ == "__main__":
print("🤖 智能运维机器人已启动，请输入你的故障描述（输入 quit 退出）")
while True:
user_input = input("\n> ")
if user_input.lower() in ["quit", "exit"]:
break
response = agent_executor.invoke({"input": user_input})
print(f"\n📋 诊断结果:\n{response['output']}")运行 python robot.py，输入模拟问题：
> nginx 无法访问，帮我看一下机器人会依次执行 systemctl status nginx、tail /var/log/nginx/error.log 等命令，并给出分析。
如果 nginx 真的挂了，它甚至会在工具里允许重启（可以在工具函数中增加 systemctl restart nginx，但要小心权限）。
第四步：验证结果与常见排错
验证方法很简单：故意制造一个简单故障（比如停止 nginx 服务 sudo systemctl stop nginx），然后让机器人排查。
正常应该看到类似：
Thought: nginx 服务未运行，尝试启动...
Action: ShellExecutor
Action Input: systemctl start nginx
Observation: 启动成功
Final Answer: 已检测到 nginx 服务停止，已自动重启，你可以通过 curl localhost 确认。高频问题与解决：
- LLM 调用超时：检查
.env中 API Key 是否有效，部分代理网络需要设置OPENAI_API_BASE。 - 命令执行无权限：工具函数内部默认以当前用户执行，如需 sudo 命令可在函数内加上
sudo，但生产环境建议通过专用用户或 sudoers 白名单控制。 - LLM 输出格式错误：升级 langchain 到最新版，或在创建 Agent 时加上
handle_parsing_errors=True。 - 工具描述太模糊导致 LLM 不调用：每个工具的
description要写清楚什么时候用、输入格式。
第五步：避坑与进阶方向
- 限制命令范围：不要直接让机器人执行任意 shell 命令，可以考虑白名单模式，只允许
systemctl、tail、df等安全命令。 - 速率限制：免费 API 有每分钟请求数限制，可加入简单的令牌桶或睡眠等待。
- 多工具协作：除了 Shell 工具，还可以添加日志读取工具（如
read_log(file_path)）、数据库查询工具，机器人会自动选择。 - 生产部署：建议用 FastAPI 包装成 Webhook，对接钉钉/企微机器人，实现自动响应告警。
如果你刚开始接触 AIOps，可以从本文的 ReAct 机器人起步，逐步添加自己的工具集。
遇到具体异常时，优先检查 API Key 和网络环境，大部分报错都能通过调整工具描述或增加示例解决。
