用 JiuwenSwarm 搭建 SRE 智能值班体系：告警分级、根因分析与应急手册生成

杜子不疼.

1326人浏览 · 2026-05-15 12:50:24

杜子不疼. · 2026-05-15 12:50:24 发布

背景

凌晨 3 点，手机被 PagerDuty 唤醒。你打开告警面板，几十条 P1/P2 告警同时涌入：CPU 飙升、磁盘 IO 等待拉满、接口超时…… 你需要快速判断哪个是根因、哪些是关联告警，还要一边翻 Confluence 找应急手册。

JiuwenSwarm 提供了 Team 模式（多智能体协作）、Skill 技能系统、Heartbeat 心跳巡检、Cron 定时任务等能力，可以帮助 SRE 团队构建智能值班体系。

JiuwenSwarm 是基于 openJiuwen 框架构建的智能 AI Agent，支持多智能体 Team 协作、技能扩展、心跳定时任务、多渠道接入等能力。

官方站点：https://www.openjiuwen.com
代码仓库：https://atomgit.com/openJiuwen

核心能力介绍

在动手之前，先了解 JiuwenSwarm 中与 SRE 场景相关的几个核心能力：

Team 模式（多智能体协作）

JiuwenSwarm 支持 Agent / Code / Team 三种运行模式。其中 Team 模式 支持配置 Leader + 多个 Agent 的协作团队，通过 /mode team 切换。

Team 模式在 config.yaml 中配置：

modes:
  team:
    sre_oncall_team:        # 团队名称
      team_name: sre_oncall_team
      lifecycle: persistent
      teammate_mode: build_mode
      spawn_mode: inprocess
      leader:
        member_name: sre_leader
        display_name: SRE值班长
        persona: "资深SRE工程师，擅长告警分级、根因分析和应急响应协调"
      agents:
        leader:
          workspace:
            stable_base: true
          max_iterations: 200
          completion_timeout: 600.0
      workspace:
        enabled: true
      transport:
        type: inprocess
      storage:
        type: sqlite

Skill 技能系统

Skill 是 JiuwenSwarm 的可安装能力模块。每个 Skill 是一个包含 SKILL.md 的文件夹：

my-skill/
├── SKILL.md              # 技能定义（必须）
├── references/           # 参考文档（可选）
└── scripts/              # 辅助脚本（可选）

技能来源包括：内置技能、SkillNet（基于 GitHub）、ClawHub（技能商店）、本地导入。

Heartbeat 心跳巡检

JiuwenSwarm 的 Heartbeat 机制可以按固定间隔触发 Agent 执行任务。在 HEARTBEAT.md 中定义巡检任务，Agent 会在每次心跳时读取并执行。

配置位于 config.yaml：

heartbeat:
  every: 3600        # 间隔秒数，3600 = 每小时
  target: web        # 结果推送到哪个渠道
  active_hours:      # 生效时间段（本地时间）
    start: 08:00
    end: 22:00

也支持 Web UI 直接编辑心跳配置和任务内容。

Cron 定时任务

Cron 功能支持创建定时执行的 Agent 任务，在 Web UI 的 Cron / Scheduled tasks 面板中配置。支持标准 5 字段 cron 表达式，结果可推送到 web、飞书等渠道。

实操：搭建 SRE 值班告警处理体系

一、安装与初始化

pip install jiuwenclaw
jiuwenclaw-init

初始化完成后，工作空间位于 ~/.jiuwenclaw/，可通过 jiuwenclaw-start 启动服务，浏览器访问 http://localhost:5173。

二、配置 SRE 值班团队（Team 模式）

编辑 ~/.jiuwenclaw/config/config.yaml，在 modes 部分添加 Team 配置：

modes:
  team:
    sre_oncall_team:
      team_name: sre_oncall_team
      lifecycle: persistent
      teammate_mode: build_mode
      spawn_mode: inprocess
      leader:
        member_name: sre_leader
        display_name: SRE值班长
        persona: "资深SRE工程师，擅长告警分析。收到告警后，你需要：1)对告警进行分级（P0-P3）并去重关联告警；2)进行根因分析，输出根因假设和证据链；3)生成包含诊断步骤、修复步骤、回滚方案的应急操作手册。所有分析结果以结构化格式输出。"
      agents:
        leader:
          workspace:
            stable_base: true
          max_iterations: 200
          completion_timeout: 600.0
      workspace:
        enabled: true
      transport:
        type: inprocess
      storage:
        type: sqlite

说明： Team 模式中 Leader 的 persona 字段定义了该角色的行为方式。我们在 persona 中注入了 SRE 告警分析的完整指令：分级 → 根因分析 → 应急手册生成。

启动或重启服务后，在 Web 对话框中输入 /mode team 切换到团队模式。

三、创建 SRE 告警分析技能（Skill）

除了 Team 模式，也可以创建一个专用的 Skill 来处理告警分析。

方法 1：本地创建 Skill 文件

在 ~/.jiuwenclaw/agent/jiuwenclaw_workspace/skills/ 下创建技能目录：

cd ~/.jiuwenclaw/agent/jiuwenclaw_workspace/skills
mkdir sre-alert-analysis

创建 SKILL.md：

---
name: sre-alert-analysis
version: 1.0.0
description: SRE告警分析技能，支持告警分级、根因分析和应急手册生成
tags: [sre, alert, monitoring, runbook]
allowed_tools: [webSearch, readFile]
---

# SRE 告警分析

当收到告警信息需要分析时，按以下流程处理：

## 步骤

1. 告警分级：按影响面和紧急程度将告警分为 P0（全局不可用）、P1（核心功能受损）、P2（非核心异常）、P3（性能预警）。将同一服务的关联告警归为一组并去重。

2. 根因分析：对最高优先级的告警组使用 5-Whys 方法进行根因分析，输出根因假设、置信度评分（0-1.0）和证据链。

3. 生成应急手册：基于根因分析结果，生成包含以下三部分的应急操作手册：
   - 诊断步骤：用于确认问题的只读命令
   - 修复步骤：解决问题的操作命令
   - 回滚方案：修复失败时的回退操作

方法 2：通过 Web UI 导入

在 Web 界面左侧栏 → Skills → Local import → 选择上述技能文件夹即可安装。

技能自演进： JiuwenSwarm 支持技能自演进（Skill Evolution）。开启后，Agent 会根据使用反馈自动优化 SKILL.md 内容。在 config.yaml 中配置：

evolution: enabled: true auto_scan: false # 建议先用手动 /evolve skill_base_dir: "workspace/agent/skills"

四、配置心跳巡检（Heartbeat）

编辑 ~/.jiuwenclaw/agent/jiuwenclaw_workspace/HEARTBEAT.md，添加 SRE 巡检任务：

心跳任务

检查是否有新增的 P0/P1 级别告警
如有新告警，按 sre-alert-analysis 技能流程进行分析
汇总过去一段时间的告警统计

在 config.yaml 中调整心跳间隔（SRE 值班场景建议缩短间隔）：

heartbeat:
  every: 300         # 每 5 分钟巡检一次
  target: web        # 结果推送到 Web 界面
  active_hours:      # 24小时覆盖
    start: 00:00
    end: 23:59

也可以在 Web UI 的 Heartbeat 面板中直接编辑配置和任务。

五、配置定时告警汇总（Cron）

在 Web UI 中打开 Cron / Scheduled tasks → 点击 New job：

name：daily_alert_summary
cron_expr：0 9 * * *（每天上午 9 点）
timezone：Asia/Shanghai
targets：web
description：汇总过去 24 小时的告警数据，包括各级别告警数量、Top-5 频繁告警、未解决的 P0/P1 事件列表

保存后，Agent 会在每天 9:00 自动执行汇总任务。

提示： 也可以通过对话创建定时任务。例如在对话框中说："创建一个每天早上 9 点的定时任务，汇总过去 24 小时告警统计，推送到 web。"

实际使用示例

场景：数据库主从延迟引发的服务异常

在 JiuwenSwarm 的 Web 对话框中（使用 /mode team 切换到 Team 模式后）输入：

收到以下告警：
[prod-db-master] MySQL replication lag > 60s
[prod-api-gateway] HTTP 500 rate spike to 15%
[prod-cache-redis] connection pool exhausted
[prod-api-gateway] response time P99 > 3s
[monitor] disk usage > 90% on /data partition (prod-db-master)

Agent 响应示例：

告警分级：