运维人的福音！利用AI大模型自动生成RHCE规范运维日报(Python+Shell)

在企业级运维工作中，编写日报、周报往往占据了工程师大量的时间。本文介绍了一套基于 RHCE 9.3 核心知识点与硅基流动（SiliconFlow）开源大模型 API 构建的自动化运维文档生成系统。通过 Shell 脚本采集数据，Python 调用 AI 接口润色，最终生成符合 RHCE 规范的 Markdown 格式报告，并利用 Crontab 实现无人值守定时执行。该项目不仅提升了运维效率，也融合了当下热门的 “运维 + AI” 技术落地需求。

1. 项目背景与架构设计

1.1 项目需求

在日常运维中，我们需要监控服务器的系统配置、资源状态、服务运行情况以及故障日志。传统方式依赖人工巡检和记录，效率低下且容易出错。本项目旨在构建一个自动化系统，实现以下功能：

自动采集：定时获取 Linux 服务器的基础信息、硬件资源及日志。
AI 智能生成：将采集到的原始数据转化为结构化、可读性强的运维日报。
安全备份：将生成的文档自动备份至远程服务器，防止数据丢失。

1.2 技术选型与架构

采集层：使用 Shell 脚本（Bash），利用其强大的系统命令调用能力。
逻辑层：使用 Python 3.9+，负责读取数据、构造提示词（Prompt）并调用大模型 API。
AI 模型：使用硅基流动（SiliconFlow）平台提供的 API（支持 Qwen-2、DeepSeek-R1 等），兼容 OpenAI 接口格式，中文优化效果好且对中小企业免费。
调度层：使用 Cron 定时任务，实现每日凌晨自动执行。
备份工具：使用 Rsync 进行远程同步。

2. 环境准备明细

2.1 报告采集设备（server）

类别	名称 / 规格	版本 / 参数	用途	备注
硬件环境	虚拟机	CPU：≥2 核，内存：≥4GB，磁盘：≥20GB	运行 Linux 系统、执行脚本、存储文档	可使用本地虚拟机或云服务器（如阿里云 ECS）
软件环境	操作系统	RHEL 9.3	项目核心运行环境，贴合 RHCE 认证标准	需配置基础网络，能访问外网（硅基流动 API）
	Python	3.9+	编写 AI 文档生成脚本，调用硅基流动 API	需安装 requests、python-dotenv、openai 库
	Shell	Bash 5.1+	编写运维数据采集脚本	系统默认自带，无需额外安装
	依赖工具	jq	验证 JSON 文件格式合法性	通过 yum install jq 安装
		rsync	远程备份运维文档	系统默认自带，需配置 SSH 免密登录
		crontab	配置定时任务	系统默认自带，需启用 crond 服务
网络环境	外网访问	IP：192.168.88.131 主机名: server	调用硅基流动 API	内网服务器需配置代理 / 防火墙白名单
账号资源	硅基流动账号	完成实名认证	获取 API Key，调用大模型	官网：https://siliconflow.cn

2.2 备份机（node1）

类别	名称 / 规格	版本 / 参数	用途	备注
硬件环境	虚拟机	CPU：≥2 核，内存：≥4GB，磁盘：≥20GB	运行 Linux 系统、执行脚本、存储文档	可使用本地虚拟机或云服务器（如阿里云 ECS）
软件环境	操作系统	RHEL 9.3	项目核心运行环境，贴合 RHCE 认证标准	需配置基础网络，能访问外网（硅基流动 API）
网络环境	内网访问	IP:192.168.88.132 主机名：node1

2.3 环境准备

在报告采集机上执行以下命令，安装必要的工具库。

#安装系统工具及其Python环境
[root@server ~]# yum install python3 python3-pip jq rsync -y
[root@server ~]# mkdir ~/.pip
[root@server ~]# vim ~/.pip/pip.conf
#以下为配置文件内容
    [global]
    index-url = http://mirrors.aliyun.com/pypi/simple/

    [install]
    trusted-host=mirrors.aliyun.com

[root@server ~]# pip install requests python-dotenv openai

#创建项目目录结构
[root@server ~]# mkdir -p /opt/ai_ops_doc/{scripts,data,docs,backup}
[root@server ~]# tree /opt/
/opt/
└── ai_ops_doc
    ├── backup
    ├── data
    ├── docs
    └── scripts

5 directories, 0 files
# 创建运维组并配置权限
[root@server ~]# groupadd ops
[root@server ~]# chown -R root:ops /opt/ai_ops_doc
[root@server ~]# chmod -R 750 /opt/ai_ops_doc
[root@server ~]# ll   /opt/ai_ops_doc
总用量 0
drwxr-x--- 2 root ops 6  5月 27 18:22 backup
drwxr-x--- 2 root ops 6  5月 27 18:22 data
drwxr-x--- 2 root ops 6  5月 27 18:22 docs
drwxr-x--- 2 root ops 6  5月 27 18:22 scripts

在报告备份机上创建用于存储备份数据的目录

[root@node1 ~]# mkdir /backup

3. 获取硅基流动 API Key

硅基流动 SiliconFlowhttps://cloud.siliconflow.cn/me/models

访问硅基流动官网（https://siliconflow.cn），手机号注册并完成实名认证

登录后进入 “API 密钥”→“新建 API 密钥”，填写密钥名称并保存

配置环境变量存储密钥（避免硬编码）

[root@server ~]# echo "SILICONFLOW_API_KEY=sk-r********wwvrk********uszdb********yusoe********" > ~/.env

4. 脚本开发阶段

4.1 Shell 数据采集脚本（collect_data.sh ）

该脚本负责采集系统信息，并生成合法的 JSON 文件供 Python 读取。关键点在于使用 safe_collect 函数处理特殊字符（如引号、换行符），并使用 jq 验证 JSON 格式合法性。

4.1.1 创建`/opt/ai_ops_doc/scripts/collect_data.sh`，实现运维数据采集与 JSON 格式化

[root@server ~]# vim /opt/ai_ops_doc/scripts/collect_data.sh

#!/bin/bash
set -e  # 遇到错误立即退出
DATA_DIR="/opt/ai_ops_doc/data"
DATA_FILE="${DATA_DIR}/ops_data_$(date +%Y%m%d).json"

# 确保数据目录存在
mkdir -p ${DATA_DIR}

# 安全采集函数：处理特殊字符与空值
safe_collect() {
    local cmd="$1"
    output=$(eval $cmd 2>/dev/null || echo "")
    # 处理转义换行、制表符、双引号等特殊字符
    echo "$output" | sed -e 's/\n/ /g' -e 's/\t/ /g' -e 's/"/\\"/g' -e 's/  */ /g' | xargs
}

# 生成合法JSON文件
cat > ${DATA_FILE} << EOF
{
    "采集时间": "$(date +'%Y-%m-%d %H:%M:%S')",
    "系统版本": "$(safe_collect 'cat /etc/redhat-release')",
    "内核版本": "$(safe_collect 'uname -r')",
    "主机名": "$(safe_collect 'hostname')",
    "磁盘使用情况": "$(safe_collect 'df -h | grep -v tmpfs | grep -v loop')",
    "内存使用情况": "$(safe_collect 'free -h')",
    "CPU负载": "$(safe_collect 'uptime | awk "{print \$8,\$9,\$10}"')",
    "关键服务状态": "$(safe_collect 'systemctl list-units --type=service --state=running | grep -E "sshd|httpd|nginx|firewalld|crond"')",
    "防火墙规则": "$(safe_collect 'firewall-cmd --list-all --zone=public')",
    "近24小时故障日志": "$(safe_collect 'journalctl --since "24 hours ago" --priority=err | head -20')"
}
EOF

# 权限配置
chmod 640 ${DATA_FILE}
chown root:ops ${DATA_FILE}

# 验证JSON格式
if jq . ${DATA_FILE} &>/dev/null; then
    echo "JSON数据采集成功：${DATA_FILE}"
else
    echo "JSON格式错误，文件内容："
    cat ${DATA_FILE}
    exit 1
fi

4.1.2 更改权限并执行

[root@server ~]# chmod 750 /opt/ai_ops_doc/scripts/collect_data.sh
[root@server ~]# bash /opt/ai_ops_doc/scripts/collect_data.sh
JSON数据采集成功：/opt/ai_ops_doc/data/ops_data_20260527.json
[root@server ~]# cat /opt/ai_ops_doc/data/ops_data_20260527.json
{
    "采集时间": "2026-05-27 18:52:09",
    "系统版本": "Red Hat Enterprise Linux release 9.3 (Plow)",
    "内核版本": "5.14.0-362.8.1.el9_3.x86_64",
    "主机名": "server",
    "磁盘使用情况": "文件系统 容量 已用 可用 已用% 挂载点 /dev/mapper/rhel-root 17G 4.6G 12G 28% / /dev/sda2 960M 260M 701M 27% /boot /dev/sda1 599M 7.0M 592M 2% /boot/efi /dev/sr0 9.9G 9.9G 0 100% /mnt",
    "内存使用情况": "total used free shared buff/cache available Mem: 1.9Gi 938Mi 240Mi 13Mi 929Mi 985Mi Swap: 2.0Gi 0B 2.0Gi",
    "CPU负载": "0.02, 0.02, 0.00",
    "关键服务状态": "crond.service loaded active running Command Scheduler sshd.service loaded active running OpenSSH server daemon",
    "防火墙规则": "",
    "近24小时故障日志": "-- No entries --"
}

4.2 Python AI 文档生成脚本 (`generate_doc.py`)

这是项目的核心逻辑。脚本读取 JSON 数据，构造符合 RHCE 规范的 Prompt，调用硅基流动 API，最后将 AI 生成的 Markdown 文档保存到本地。
注意：请确保替换代码中的模型名称（如 deepseek-ai/DeepSeek-R1）为你在硅基流动上实际使用的模型。

4.2.1 创建`/opt/ai_ops_doc/scripts/generate_doc.py`，调用硅基流动 API 生成运维文档

[root@server ~]# vim   /opt/ai_ops_doc/scripts/generate_doc.py

import os
import json
import grp
from dotenv import load_dotenv
from datetime import datetime
from openai import OpenAI

# 加载硅基流动配置
load_dotenv("/root/.env")
SILICONFLOW_API_KEY = os.getenv("SILICONFLOW_API_KEY")
SILICONFLOW_BASE_URL = "https://api.siliconflow.cn/v1"
MODEL_NAME = "Qwen/Qwen3-8B"——>可进行更换

def load_ops_data():
    """加载运维数据"""
    data_date = datetime.now().strftime("%Y%m%d")
    data_file = f"/opt/ai_ops_doc/data/ops_data_{data_date}.json"
    
    if not os.path.exists(data_file):
        return {"error": f"数据文件不存在：{data_file}"}
    if os.path.getsize(data_file) == 0:
        return {"error": "数据文件为空，请重新执行采集脚本"}
    
    try:
        with open(data_file, "r", encoding="utf-8") as f:
            return json.load(f)
    except json.JSONDecodeError as e:
        return {"error": f"JSON解析失败：{str(e)}"}
    except Exception as e:
        return {"error": f"读取文件失败：{str(e)}"}

def generate_prompt(ops_data):
    """生RHCE运维日报提示词"""
    if "error" in ops_data:
        prompt = f"""请以资深RHCE工程师身份，根据以下错误信息生成故障排查文档（Markdown格式）。要求内容专业严谨、语言简洁规范，除必要Linux命令外均用中文，包含“错误描述”“原因分析”“具体解决过程”“验证方法”四部分，解决过程步骤清晰、符合RHCE运维逻辑，可直接落地执行。

错误内容：{ops_data['error']}"""
    else:
        prompt = f"""请以资深RHCE工程师身份，基于以下Linux服务器采集数据，生成一份结构化运维日报，格式为Markdown。要求内容专业严谨、语言简洁规范，除必要的Linux命令外，其余表述全部使用中文，问题分析需附带具体解决过程，完全贴合企业RHCE运维标准。

## 核心要求
### 1. 文档结构
严格包含五大模块，顺序不可调整：
- 标题：格式为“Linux服务器运维日报 - 采集日期”（采集日期取自数据中的“采集时间”字段）；
- 采集信息：汇总服务器基础信息（主机名、系统版本、内核版本）及采集时间，清晰罗列；
- 系统状态总结：整体评估服务器运行状态（正常/存在风险/异常），概括核心资源（磁盘、内存、CPU）占用情况及关键服务运行状态；
- 问题分析：从故障日志及资源状态中提取所有关键问题，每个问题需包含“问题描述”“风险等级”（低/中/高）“具体解决过程”三部分，解决过程需步骤清晰、可落地，符合RHCE运维逻辑；
- 优化建议：基于RHCE规范，针对服务器当前状态给出可执行建议，覆盖磁盘清理、服务调优、防火墙规则优化、安全加固等维度，建议需对应实际场景，不空洞。

### 2. 问题分析细则
- 风险等级判定标准：高风险（影响业务运行、服务器稳定性，需立即处理）、中风险（不影响核心业务，但存在潜在隐患，需24小时内处理）、低风险（仅为优化项，不影响服务器运行，可定期处理）；
- 解决过程需包含“问题定位步骤→操作命令→验证方法”，命令需标注用途，操作逻辑符合RHCE故障排查流程（如先排查日志、再定位原因、最后执行修复并验证）。

### 3. 内容规范
语言简洁无冗余，避免口语化表述，专业术语使用准确（如“防火墙”统一指firewalld，“SELinux”不简写），Markdown格式排版整齐（标题层级分明、列表有序，关键信息可加粗）。

## 服务器采集数据
{json.dumps(ops_data, ensure_ascii=False, indent=2)}"""
    return prompt

def call_siliconflow_api(prompt):
    """调用硅基流动API"""
    try:
        client = OpenAI(
            api_key=SILICONFLOW_API_KEY,
            base_url=SILICONFLOW_BASE_URL
        )
        response = client.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.3,
            max_tokens=2000
        )
        return response.choices[0].message.content
    except Exception as e:
        return f"API调用失败：{str(e)}"

def save_doc(content):
    """保存Markdown文档（修复组GID获取逻辑）"""
    doc_date = datetime.now().strftime("%Y%m%d")
    doc_file = f"/opt/ai_ops_doc/docs/ops_report_{doc_date}.md"
    
    # 写入文档内容
    with open(doc_file, "w", encoding="utf-8") as f:
        f.write(content)
    
    # 设置文件权限（只读给组，仅root可写）
    os.chmod(doc_file, 0o640)
    
    # 修复：获取ops组GID（增加容错）
    try:
        # 使用grp模块获取组信息（标准方法）
        ops_gid = grp.getgrnam("ops").gr_gid
    except KeyError:
        # 若ops组不存在，默认使用root组（GID=0）
        ops_gid = 0
        print(f"警告：未找到ops组，文档文件将归属root组（GID=0）")
    
    # 设置文件属主和属组（root:ops 或 root:root）
    os.chown(doc_file, 0, ops_gid)
    
    return doc_file

if __name__ == "__main__":
    ops_data = load_ops_data()
    prompt = generate_prompt(ops_data)
    doc_content = call_siliconflow_api(prompt)
    doc_path = save_doc(doc_content)
    print(f"文档生成成功：{doc_path}")
    print(f"文档预览：{doc_content[:100]}...")

4.2.2 执行

[root@server ~]# python3 /opt/ai_ops_doc/scripts/generate_doc.py 
文档生成成功：/opt/ai_ops_doc/docs/ops_report_20260527.md
文档预览：

# Linux服务器运维日报 - 2026-05-27 18:52:09

## 采集信息
- **主机名**：server  
- **系统版本**：Red Hat Enterprise Lin...
[root@server ~]# cat /opt/ai_ops_doc/docs/ops_report_20260527.md

# Linux服务器运维日报 - 2026-05-27 18:52:09

## 采集信息
- **主机名**：server  
- **系统版本**：Red Hat Enterprise Linux release 9.3 (Plow)  
- **内核版本**：5.14.0-362.8.1.el9_3.x86_64  
- **采集时间**：2026-05-27 18:52:09  

.......

4.3 编写自动化调度脚本（auto_run.sh ）

该脚本用于串联采集、生成和备份三个步骤，并记录日志。

4.3.1 创建`/opt/ai_ops_doc/scripts/auto_run.sh`，整合采集、生成、备份逻辑

[root@server ~]# vim  /opt/ai_ops_doc/scripts/auto_run.sh

#!/bin/bash
# 日志文件
LOG_FILE="/var/log/ai_ops_doc.log"

# 远程备份配置（替换为实际服务器信息）
REMOTE_IP="192.168.247.132"
REMOTE_DIR="/backup/ops_docs"

# 日志函数
log() {
    echo "[$(date +'%Y-%m-%d %H:%M:%S')] $1" >> ${LOG_FILE}
}

log "开始执行自动化任务"

# 1. 数据采集
if /opt/ai_ops_doc/scripts/collect_data.sh; then
    log "数据采集成功"
else
    log "数据采集失败"
    exit 1
fi

# 2. 文档生成
if python3 /opt/ai_ops_doc/scripts/generate_doc.py; then
    log "文档生成成功"
else
    log "文档生成失败"
    exit 1
fi

# 3. 远程备份
DOC_FILE="/opt/ai_ops_doc/docs/ops_report_$(date +%Y%m%d).md"
if [ -f ${DOC_FILE} ]; then
    rsync -avz ${DOC_FILE} root@${REMOTE_IP}:${REMOTE_DIR} >> ${LOG_FILE} 2>&1
    if [ $? -eq 0 ]; then
        log "文档备份成功"
    else
        log "文档备份失败"
    fi
else
    log "备份失败：文档文件不存在"
fi

log "自动化任务执行完成"



[root@server ~]# chmod +x  /opt/ai_ops_doc/scripts/auto_run.sh

4.3.2 执行

[root@server ~]# bash /opt/ai_ops_doc/scripts/auto_run.sh
JSON数据采集成功：/opt/ai_ops_doc/data/ops_data_20260527.json
文档生成成功：/opt/ai_ops_doc/docs/ops_report_20260527.md
文档预览：

# Linux服务器运维日报 - 2026-05-27

## 采集信息
| 项目         | 详情  
[root@server ~]# cat /var/log/ai_ops_doc.log 
[2026-05-27 19:05:37] 开始执行自动化任务
[2026-05-27 19:05:37] 数据采集成功
[2026-05-27 19:07:03] 文档生成成功
sending incremental file list
ops_report_20260527.md

sent 2,210 bytes  received 35 bytes  1,496.67 bytes/sec
total size is 4,159  speedup is 1.85
[2026-05-27 19:07:04] 文档备份成功
[2026-05-27 19:07:04] 自动化任务执行完成

# 查看备份机的备份内容
[root@node1 ~]# ls  /backup
ops_docs

5. 配置定时任务与测试

5.1 配置 Crontab

为了实现无人值守，我们需要配置定时任务。建议在每日凌晨业务低峰期执行。

[root@server ~]# crontab -e
no crontab for root - using an empty one
crontab: installing new crontab
[root@server ~]# crontab -l
0 2 * * *  /opt/ai_ops_doc/scripts/auto_run.sh >> /var/log/ai_ops_doc.log 2>&1
[root@server ~]# tree /opt/
/opt/
└── ai_ops_doc
    ├── backup
    ├── data
    │   └── ops_data_20260527.json
    ├── docs
    │   └── ops_report_20260527.md
    └── scripts
        ├── auto_run.sh
        ├── collect_data.sh
        └── generate_doc.py

5 directories, 5 files

5.2 权限与免密登录

确保脚本具有执行权限，并配置 SSH 免密登录到备份机，否则 Rsync 备份会失败。

[root@server ~]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa): 
Enter passphrase (empty for no passphrase): 
Enter same passphrase again: 
Your identification has been saved in /root/.ssh/id_rsa
Your public key has been saved in /root/.ssh/id_rsa.pub
The key fingerprint is:
SHA256:5Pqhf1Xf1DRVC7Pw8MqSADTBkZbef3cuYKqKOxunL64 root@server
The key's randomart image is:
+---[RSA 3072]----+
|    o*=    o o  =|
|     =o     = +.o|
|    o ...    + oo|
|     . +. o . . o|
|        So o . o.|
|       . ..+.. .o|
|   . .. . +.o o  |
|   o=  o o.  . . |
| Eo**ooo+.    .  |
+----[SHA256]-----+
[root@server ~]# ssh-copy-id 192.168.247.132
/usr/bin/ssh-copy-id: INFO: Source of key(s) to be installed: "/root/.ssh/id_rsa.pub"
The authenticity of host '192.168.247.132 (192.168.247.132)' can't be established.
ED25519 key fingerprint is SHA256:dGvFZ3Oz3Nyf34t2p3DcvxrFMIDtQBPTDqRpspeWoH4.
This key is not known by any other names
Are you sure you want to continue connecting (yes/no/[fingerprint])? yes
/usr/bin/ssh-copy-id: INFO: attempting to log in with the new key(s), to filter out any that are already installed
/usr/bin/ssh-copy-id: INFO: 1 key(s) remain to be installed -- if you are prompted now it is to install the new keys
root@192.168.247.132's password: 

Number of key(s) added: 1

Now try logging into the machine, with:   "ssh '192.168.247.132'"
and check to make sure that only the key(s) you wanted were added.

[root@server ~]# 
[root@server ~]# ssh root@192.168.247.132
Activate the web console with: systemctl enable --now cockpit.socket

Register this system with Red Hat Insights: insights-client --register
Create an account or view all your systems at https://red.ht/insights-dashboard
Last login: Wed May 27 17:35:15 2026 from 192.168.247.1
[root@node1 ~]# 
注销
Connection to 192.168.247.132 closed.
[root@server ~]#

5. 总结

通过本项目，我们成功将 AI 技术引入到传统的 Linux 运维工作中。系统能够自动生成包含系统状态总结、问题分析和优化建议的专业级运维报告，极大地减轻了运维人员的文档负担。

项目核心价值：

效率提升：从原本需要半小时的手动巡检编写，变为无人值守的自动化流程。
技术融合：完美结合了 RHCE 的 Shell 脚本、Crontab、Rsync 等核心技能与前沿的 AI 大模型文本生成能力。
安全合规：通过环境变量管理密钥，利用 Linux 文件权限和 SELinux（可后续启用）保障系统安全。

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

微软CTO Kevin Scott深度访谈：AI的下一站是什么？

AtomGit开源社区

2026年最值得关注的多端AI开发工具排行榜

从原型验证到代码交付，从 Web 端到原生移动端，2026 年的 AI 开发工具已经将「多端覆盖」的技术门槛压低至接近零——非技术创业者可以在数小时内完成过去需要多个工程师数周才能完成的工作。选型的核心逻辑只有一条：你的团队现在最需要的是验证产品方向，还是交付可上线的代码？如果是前者，UXbot 的完整多页面原型和三端原生代码导出，是资源最集中的路径；如果是后者，根据技术栈和目标平台选择最匹配的工