在包含众多服务的生态中,必须有人在故障发生时发出通知。Ops Bot 通过 Telegram 成为生态告警和运维命令的统一入口。
它接收每个服务的事件(部署成功或失败、健康检查异常、定时任务失败),将其分类后发送给操作员。生态首个 L4 自愈试点将落在这里。
- 状态
- 已上线
- 自主性(AAL)
- L2 → L4
- 通道
- Telegram,双向
- 接入
- POST /events
01
全部告警进入同一收件箱
服务向统一的 /events 端点提交事件,机器人将它们分为 info、warning、fatal 和 self_heal。
02
双向控制
可在 Telegram 中执行 status、ack 和 mute 等命令。
03
L4 试点的落点
生态首个 L4 自愈试点将落在这里。
能力
已实现的能力
- 接收服务端通知的 POST /events 端点
- Telegram 双向命令(status、ack、mute)
- 事件分类(info / warning / fatal / self_heal)
尚未说明状态
- 按服务限流与去重
- 带回退链接的部署通知
当前自主性等级
L2
当前限制
没有心跳机制——如果机器人自身挂起,无人收到告警;日志未结构化,只能用 grep 搜索。
达到以下目标等级的路线图:L4
- 提升至 L3——Muneral 每 60 秒探测 Ops Bot,心跳缺失时回退到短信通知;将 pino JSON 日志送至 Loki;声明工具权限范围。
- 提升至 L4——发生致命错误时自动重启;对 Telegram 429/5xx 进行分类重试;按 BOT_TOKEN 设置熔断器;告警生成中的每次 LLM 调用都启用硬性成本熔断;试点接入 self-healing-agents 抽象。
- 验证——在无人工干预的情况下,平均无故障时间达到 30 天。
下一步
了解已上线产品及其当前限制
“已上线”表示项目目前可用;上方的当前限制和路线图说明了该版本的能力边界。
查看达到目标等级的路径