2026年8月9日

infra-automation 技能——无需猜测的服务器运维

infra-automation 技能如何为 Datarim 智能体提供一致的模式,用于 SSH 批量执行、健康检查、迁移前清点,以及在服务器集群中安全地执行 compose 部署。

在四台服务器上运行同一条命令、检查所有 HTTP 服务是否响应,或在迁移前清点每一个活跃的监听端口——这些都是重复性任务,临时拼凑的做法会累积小错误,而这些错误会不断叠加。infra-automation 技能为智能体提供了一套固定的操作模式,使做法保持一致且可审计。

该技能基于一份占位服务器清单工作,清单内容来自你自己的私有记录:若干角色(例如 web、prod 和 db),每个角色都有一个公网 IP 和一个 Tailscale 网格 IP。在进行任何批量自动化之前,必须通过一个显式的引导步骤将主机密钥添加到 ~/.ssh/known_hosts。该引导事件会被记录在案;此后每一次自动化 SSH 调用都使用 BatchMode=yes 和五秒连接超时,使未知主机快速失败而不是挂起。

批量执行与健康检查

对于在所有服务器上运行的命令,模式是单个循环,为每台主机显式输出标题,并对输出行数设上限。这避免了某台服务器产生大量日志输出、淹没其他服务器结果的失败模式。HTTP 服务的健康检查遵循相同的结构:遍历服务端口和名称对,每次检查报告 HTTP 状态码或字符串 UNREACHABLE。

安全规则是明确的。破坏性命令——删除、drop——一次只在一台服务器上执行并需要确认,绝不在循环中执行。每项变更先在一台服务器上验证,然后再在所有服务器上循环执行。操作会记录到文件中以形成审计轨迹。

迁移前清点

在迁移服务器之前,该技能规定了需要枚举的内容:Web 服务器虚拟主机、活跃的 TLS 证书、指向该服务器 IP 的 DNS 记录、机器上所有活跃的监听端口、cron 任务和 systemd 定时器,以及出站连接(如 webhook 和备份)。遗漏服务是迁移出错最常见的原因,因此这份清单是起点,而不是事后补充。

对于在线服务器上的配置变更,模式是:备份、编辑、diff、验证语法、reload(而非 restart),然后用 curl 验证。reload 会保持现有连接存活;restart 则不会。

Compose 部署竞态与受跟踪产物

该技能中有一个特定模式用于解决 docker compose up -d --build 中的竞态条件:当服务使用 restart: unless-stopped 时,新容器尝试占用名称时,之前的容器可能仍持有该名称。修复方法是在构建前显式执行 docker compose down --remove-orphans。由于 || true,该拆除操作在冷启动时是幂等的;由于不带 -v 的 down 不会触碰命名卷,命名卷得以保留。

任何安装在生产服务器上并被验收标准引用的脚本或配置,都必须在验收标准交付前纳入仓库跟踪。未跟踪的产物没有 diff 历史,会不知不觉地偏离其预期行为。

阅读什么是 Datarim以了解更广泛的背景,或查看关于network-exposure-baseline 技能的相关文章,了解在任何网络变更之前如何对端口绑定进行分类。