WorkBuddy 不只写代码——让 AI 帮你做运维的五个场景

帮我创建一个定时清理任务：
1. 目标：清理 /tmp/cache/ 下修改时间超过 7 天的文件
2. 执行时间：每天凌晨 3:00
3. 通知：执行结果发邮件到 admin@example.com
4. 日志：每次执行记录到 /var/log/cleanup.log，
   格式：[时间] [状态] [清理文件数] [释放空间]
5. 异常：如果清理失败，记录错误详情并通知我
6. 安全：清理前先列出将要删除的文件清单，写进日志

# cleanup.py + Cron 配置 + 测试方式
# 不只是代码，是"部署这个任务需要的一切"

帮我设计一个健康检查脚本，不只是看进程是否存在：

检查项（每一项都要有独立的超时和状态）：
1. 主进程：ps aux | grep main.py 存在？
2. API 响应：curl http://localhost:8000/health 2秒内返回200？
3. 数据库连接：能否执行 SELECT 1？超时5秒？
4. 磁盘空间：/data 剩余是否 > 10%？
5. 内存使用：系统可用内存 > 500MB？
6. 最近错误率：过去5分钟错误日志 < 10条？

输出格式：
{
  "timestamp": "2026-05-12T03:00:00",
  "overall": "healthy|degraded|unhealthy",
  "checks": {
    "process": {"status": "ok", "detail": "PID 12345"},
    "api": {"status": "ok", "detail": "200 OK, 0.3s"},
    "db": {"status": "warning", "detail": "SELECT 1 耗时 4.2s，接近超时"},
    ...
  }
}

帮我设计一个日志轮转策略：

规则：
1. 当前日志（今天）：保留，不截断
2. 最近 7 天日志：压缩成 .gz，保留
3. 7-30 天日志：只保留 WARNING 和 ERROR 级别的行，其余删除，再压缩
4. 超过 30 天：删除

实现方式：
- 脚本 + Cron 每天 2:00 执行
- 操作前记录当前日志文件大小（Total: X MB）
- 操作后记录释放空间（Freed: Y MB）
- 如果释放空间 > 1GB，发通知告知我

安全：
- 不要用 rm -rf
- 删除前先 mv 到 /tmp/log-trash/，保留 24 小时再真删

帮我做一个磁盘空间分析：
1. 每天 6:00 执行
2. 输出报告：哪个目录增长最快？
   格式：
   目录：/var/log/app/
   7天前：150MB → 今天：820MB（+670MB，+447%）
   最大文件：error.log (410MB)
   建议：检查 error.log 是否有重复错误导致日志爆炸

3. 预测：按当前增长速度，/data 将在 N 天后达到 90%
4. 如果预测在 7 天内触发 → 主动通知我
5. 历史趋势图？用 CSV 存数据，我自己画图

帮我做一个进程守护脚本：

监控逻辑：
1. 每 30 秒检查一次
2. 检查方式：向服务发一个 /health 请求，2 秒超时
3. 如果连续 3 次检查失败 → 判断为假死

假死处理（按顺序）：
1. 记录当前状态快照（进程内存、CPU、打开文件数、最后 50 行日志）
2. 尝试优雅关闭（SIGTERM，等 10 秒）
3. 如果 SIGTERM 没反应 → SIGKILL
4. 重启服务
5. 等待 30 秒，验证 /health 恢复正常
6. 发通知：服务在 [时间] 假死，已自动恢复，假死前状态见附件

防震荡：
- 如果 5 分钟内重启超过 3 次 → 不再自动重启，发告警通知我人工介入
- 记录假死频率，方便排查根因

| 场景 | AI 应该做的不只是 | 还应该做 |
|------|------------------|---------|
| 定时任务 | 写脚本 | 时间+通知+日志+异常+安全 六维 |
| 健康检查 | 查进程 | 定义"什么算不健康"的具体阈值 |
| 日志管理 | 删文件 | 分级策略 + 安全网（缓冲区） |
| 磁盘监控 | 看剩余空间 | 趋势分析 + 根因预测 |
| 进程守护 | 挂了重启 | 取证 → 重启 → 验证 → 防震荡 |

# 1. 像给同事交代任务一样，不是像写代码需求
你："帮我写一个检查服务状态的函数"
# ↑ AI 会给你一个函数

你："每天早上 6 点帮我确认服务是否健康，
   不健康自动通知我，附带最近 5 分钟的错误日志"
# ↑ AI 会给你一个完整的运维方案

# 2. 说清楚"异常时怎么办"，不只是"正常时做什么"
# 好的运维方案 80% 的复杂度在异常处理上

# 3. 每次执行都要有记录
# 没有日志的运维操作 = 没有发生