大模型自动化运维配置：零基础搭建智能巡检与告警

知识分享

2026-10-19 09:00

6 阅读

大模型自动化运维配置，核心是让脚本先采集服务器指标，再把指标和规则交给大模型判断，最后输出告警或日报。
它适合单机或小规模服务器、希望减少手工巡检的零基础用户。
下面从环境准备到定时执行完整走一遍，命令和配置可直接照做。

适用场景与前置条件

这套方案适合以下情况：

服务器数量不多，没有现成监控平台，或监控平台告警噪音太大。
需要每天自动生成一份可读的巡检报告，而不是只看原始图表。
希望把 CPU、内存、磁盘、服务端口等检查项统一交给大模型做“是否异常”的判断和文字归纳。

操作前需要准备：

一台 Linux 服务器（CentOS 7+ 或 Ubuntu 20.04+ 均可），能正常访问外网。
一个可用的大模型 API Key，以及对应服务的接口地址和模型名称。不同厂商的地址和模型名以你控制台显示为准。
服务器上已有 python3 和 pip3，没有的话先安装。
具备 sudo 权限的账号。

注意： 本文不绑定具体厂商和价格，API 地址、模型名请替换成你自己账号下的真实值。

安装依赖并验证 Python 环境

先确认 Python 版本，建议 3.8 以上：

python3 --version
pip3 --version

如果提示命令不存在，Ubuntu 执行：

sudo apt update
sudo apt install -y python3 python3-pip

CentOS 执行：

sudo yum install -y python3 python3-pip

安装脚本需要的 requests 库：

pip3 install requests

验证安装结果：

python3 -c "import requests; print(requests.__version__)"

能输出版本号即表示环境就绪。

编写巡检采集脚本

在 /opt/ai-ops/ 下创建脚本，避免和系统文件混在一起：

sudo mkdir -p /opt/ai-ops
sudo chown $USER:$USER /opt/ai-ops
cd /opt/ai-ops

新建 check.py，内容分三步：采集指标、调用大模型、输出结果。
下面是一个可运行的骨架，重点看注释里的替换项：

import subprocess, json, requests, datetime

API_URL = "https://你的接口地址/v1/chat/completions"
API_KEY = "你的APIKey"
MODEL = "你的模型名称"

def run(cmd):
    return subprocess.getoutput(cmd)

def collect():
    data = {}
    data["cpu_load"] = run("uptime")
    data["memory"] = run("free -m")
    data["disk"] = run("df -h")
    return data

def ask_llm(text):
    headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
    payload = {
        "model": MODEL,
        "messages": [
            {"role": "system", "content": "你是服务器运维助手，根据指标判断是否异常，输出简短结论和需要处理的项。"},
            {"role": "user", "content": text}
        ]
    }
    r = requests.post(API_URL, headers=headers, json=payload, timeout=30)
    r.raise_for_status()
    return r.json()["choices"][0]["message"]["content"]

if __name__ == "__main__":
    metrics = collect()
    prompt = json.dumps(metrics, ensure_ascii=False)
    result = ask_llm(prompt)
    print(f"===== {datetime.datetime.now()} =====")
    print(result)

保存后先手动跑一次：

python3 /opt/ai-ops/check.py

预期结果是打印当前时间，并输出一段关于 CPU、内存、磁盘的判断文字。
如果报错，优先看下面两节。

配置定时任务与告警输出

手动跑通后，用 cron 每天定时执行。
编辑当前用户的任务：

crontab -e

加入一行，表示每天 8 点执行并把结果追加到日志：

0 8 * * * /usr/bin/python3 /opt/ai-ops/check.py >> /opt/ai-ops/report.log 2>&1

保存退出后确认任务已写入：

crontab -l

如果希望异常时发邮件或推送到 IM，可以在脚本里判断返回内容是否包含“异常”，再调用对应接口。注意： 不要把 API Key 直接写在公开仓库；
可以把 Key 放到环境变量，脚本里用 os.environ.get("LLM_API_KEY") 读取，并在 crontab 中通过 env 或 shell 脚本注入。

常见报错与避坑

返回 401 或 403： 检查 API_KEY 是否复制完整、请求头 Authorization 格式是否为 Bearer 你的Key。
连接超时： 确认服务器能访问接口域名，可用 curl -I https://你的接口地址 检查网络和 DNS。
返回内容为空或格式不对： 检查模型名是否与控制台一致，以及返回 JSON 中 choices 字段路径是否与脚本一致。
cron 不执行： 命令里要用绝对路径 /usr/bin/python3，脚本中的文件路径也建议写绝对路径；查看 /opt/ai-ops/report.log 是否有报错输出。
磁盘指标采集不全： df -h 输出较长时，可在脚本里只保留关键挂载点，避免提示词过长。

另外，大模型返回的是文本判断，不能替代硬性阈值告警。
建议在脚本里保留一条规则：磁盘使用率超过 90% 直接告警，不依赖模型判断。

效果验证与后续调整

完成配置后，按以下顺序验证：

手动执行一次脚本，确认能正常输出报告。
修改 crontab 为每分钟执行一次做临时测试，观察 report.log 是否新增内容，测试后改回每天执行。
人为制造一个高负载或写满磁盘的场景（测试机操作），确认模型输出中能指出对应异常。
检查日志文件大小，必要时用 logrotate 做切割，避免长期追加占满磁盘。

这套大模型自动化运维配置适合作为辅助巡检，不建议直接用于生产环境的自动修复操作。
先让模型只读不写，稳定后再考虑把“建议命令”改为人工确认执行，风险更可控。

大模型告警系统配置：从零搭建到告警验证

大模型AIOps实战：用开源模型搭建日志异常检测流水线