OpenClaw 搭建智能运维巡检工作流实践：用 Skill 编排 Agent 自动巡检-北京尧图网络

1. 从「人找问题」到「问题找人」OpenClaw 智能运维巡检工作流要解决什么服务器日常巡检这件事做过运维的都懂每天早上打开终端挨个查 CPU、内存、磁盘、Pod 状态复制 PromQL 到 Prometheus 面板截图、填表、发邮件。一天两天还行时间一长人一疲劳漏看一个磁盘水位、错判一个 Pending Pod线上就可能出问题。OpenClaw 智能运维巡检工作流想干的事就是把这套重复动作交给 Agent 和 Skill 去跑让巡检从「人找问题」变成「问题找人」。OpenClaw 是什么简单说它是一个支持 Agent 调度 Skill 编排的自动化框架。你可以把 Agent 理解成「巡检队长」把 Skill 理解成「专项兵种」——后勤兵负责读环境配置情报兵负责查 Prometheus文书兵负责生成报告。队长按固定顺序调用不同兵种每一步做完才进下一步保证不漏环节。适合谁适合手里管着几台到几十台服务器、每天要做例行巡检、又不想写一大堆胶水脚本的运维同学。这套工作流的核心检索词就是 OpenClaw、智能运维、巡检工作流、Agent、Skill。它不依赖某个特定云厂商本地跑、内网跑都行只要 Agent 能访问到 Prometheus 和 kubeconfig 就行。下面我会从架构设计讲到可复制的 Skill 配置片段再到一轮本地巡检的验证步骤尽量让你照着做就能跑起来。2. TaoToken 前置准备给 Agent 接上模型能力与 API KeyOpenClaw 的 Agent 要「会思考、会判定」背后得有一个能调用的模型服务。这里我用 TaoToken 来做模型接入层它提供统一的 API 入口Agent 在分析判定阶段调用它来理解指标、生成报告文案。你不需要改 OpenClaw 的调度逻辑只要把 Base URL、API Key、Model ID 三件套配好就行。第一步打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册并登录。登录后进控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在「API Keys」页面创建一个新 Key。创建时建议按用途命名比如openclaw-inspection方便后面排查是哪个工作流在用。Key 只显示一次复制后先存到本地密码管理器或环境变量里别直接写进会提交到 Git 的配置文件。第二步确认你要用的 Model ID。如果你只是做指标判定和报告生成选一个通用对话模型就够如果巡检里还要做日志摘要、根因初判可以选推理能力更强的模型。具体可用模型列表在模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 能看到选好后把 Model ID 记下来比如claude-sonnet-4-5这类格式。第三步把三件套写进 OpenClaw 的 Agent 配置。OpenClaw 读取模型配置的路径通常是~/.openclaw/config/agent.yaml不同版本可能略有差异以你本地实际路径为准。配置片段如下# ~/.openclaw/config/agent.yaml model: provider: openai-compatible base_url: https://taotoken.net/api api_key: ${TAOTOKEN_API_KEY} model_id: claude-sonnet-4-5 timeout: 120 max_retries: 2注意base_url这里用的是 API 地址 https://taotoken.net/api 不要加 UTM 参数也不要写成带/v1的路径OpenClaw 的 openai-compatible 适配器会自动补全。api_key用环境变量引用避免明文落盘。设置环境变量的命令export TAOTOKEN_API_KEYsk-你的实际Key如果你用的是 systemd 跑 OpenClaw把这一行写进 service 的Environment里或者用EnvironmentFile指向一个权限 600 的文件。这一步做完Agent 就具备了调用模型的能力后面 Skill 里的「分析判定」和「报告生成」才有大脑可用。3. 可复制配置Skill 编排与 Agent 调度参数这一节是整篇的核心我直接把可复制的 Skill 配置片段和 Agent 调度参数贴出来。OpenClaw 的 Skill 一般放在~/.openclaw/skills/目录下每个 Skill 一个子目录里面放skill.yaml和对应的执行脚本。巡检队长 Agent 的调度配置放在~/.openclaw/agents/inspection-captain.yaml。先看 Agent 调度配置它定义了六步执行顺序和每步调用的 Skill# ~/.openclaw/agents/inspection-captain.yaml name: inspection-captain description: 智能运维巡检队长按六步标准化流程执行 model_ref: default timeout_seconds: 600 steps: - id: env_confirm skill: list_environments required: true - id: load_checklist skill: inspection-tasks required: true - id: query_metrics skill: prometheus required: true loop: checklist_items - id: analyze skill: builtin-analyzer required: true params: thresholds_from: checklist - id: render_report skill: report-renderer required: true params: template: markdown_default - id: send_email skill: imap-smtp-email required: true这里loop: checklist_items表示第三步会对巡检清单里的每一项循环执行无论指标是否异常都必须查不允许跳过这是保证数据完整性的关键。thresholds_from: checklist强制阈值来自配置文件不允许硬编码。再看几个关键 Skill 的配置。list_environments负责读环境配置# ~/.openclaw/skills/list_environments/skill.yaml name: list_environments type: shell entry: ./run.sh inputs: - name: env_file default: ~/.openclaw/envs/prod.yaml outputs: - name: prometheus_url - name: kubeconfig_path对应的run.sh就是读 YAML、打印确认信息#!/usr/bin/env bash set -euo pipefail ENV_FILE${1:-$HOME/.openclaw/envs/prod.yaml} python3 - PY import yaml, os, sys p os.path.expanduser(os.environ.get(ENV_FILE, ~/.openclaw/envs/prod.yaml)) with open(p) as f: cfg yaml.safe_load(f) print(fPROMETHEUS_URL{cfg[prometheus_url]}) print(fKUBECONFIG{cfg[kubeconfig_path]}) PYprometheusSkill 负责执行 PromQL# ~/.openclaw/skills/prometheus/skill.yaml name: prometheus type: http method: GET url: ${PROMETHEUS_URL}/api/v1/query params: query: ${item.promql} timeout: 30 retry: 1inspection-tasks解析巡检清单清单本身是 YAML# ~/.openclaw/checklists/prod.yaml items: - name: node_cpu_usage promql: 100 - (avg by(instance)(rate(node_cpu_seconds_total{modeidle}[5m])) * 100) threshold: warning: 70 critical: 85 - name: node_disk_usage promql: (1 - node_filesystem_avail_bytes{fstype!tmpfs} / node_filesystem_size_bytes{fstype!tmpfs}) * 100 threshold: warning: 75 critical: 90 - name: pod_pending promql: kube_pod_status_phase{phasePending} threshold: warning: 1 critical: 3imap-smtp-email负责发信配置里写收件人和 SMTP 信息# ~/.openclaw/skills/imap-smtp-email/skill.yaml name: imap-smtp-email type: python entry: ./send.py params: smtp_host: smtp.example.com smtp_port: 465 sender: opsexample.com recipients: - oncallexample.com subject_prefix: [巡检报告]这套配置的好处是新增巡检项只改checklists/prod.yaml不用动任何 Skill 代码换环境只改envs/*.yaml换模型只改agent.yaml里的model_id。职责单一、相互解耦这是 OpenClaw Skill 编排最舒服的地方。4. 验证请求跑一轮本地巡检看结果配置写完先别急着上 cron本地手动跑一轮验证。OpenClaw 一般提供 CLI 入口命令格式类似openclaw agent run inspection-captain --env prod --dry-run--dry-run表示只执行到报告生成不发邮件方便你先看输出对不对。如果一切正常去掉--dry-run再跑一次完整流程。跑起来后你会看到 Agent 按六步依次打印日志。第一步环境确认会输出 Prometheus URL 和 kubeconfig 路径第二步读取清单会打印本次巡检项数量第三步逐项查询会打印每个 PromQL 的返回值第四步分析判定会标注正常/警告/严重第五步生成 Markdown 报告第六步发邮件。验证模型调用是否通可以单独发一个请求curl -sS https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-5, messages: [{role: user, content: 用一句话说明磁盘使用率超过90%的风险}], max_tokens: 128 }返回里能看到choices[0].message.content就说明模型链路通了。如果这一步报 401先检查 Key 有没有复制完整、有没有多余空格如果报 model not found去模型对话页面核对 Model ID 拼写。本地巡检跑通后报告长这样# 巡检报告 - prod 环境生成时间: 2025-01-15 08:00:12 ## 汇总 - 巡检项: 12 - 正常: 10 - 警告: 1 - 严重: 1 ## 异常明细 ### node_disk_usage (严重) - 实例: node-03 - 当前值: 92.4% - 阈值: 90% - 建议: 清理 /var/log 或扩容 ### node_cpu_usage (警告) - 实例: node-07 - 当前值: 73.1% - 阈值: 70%确认报告内容真实、阈值对照正确后再挂到系统 cron 上做每日定时# 每天 08:00 执行生产环境巡检 0 8 * * * /usr/local/bin/openclaw agent run inspection-captain --env prod /var/log/openclaw/inspection.log 21超时时间在agent.yaml的timeout_seconds里调集群大、PromQL 慢就调到 900 甚至 1200避免任务被意外中断。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth跑这套工作流最容易踩的坑集中在模型接入和 Skill 执行两块。我把真实遇到过的报错和排查路径列出来你对照着看。401 Unauthorized。最常见的原因是 API Key 没生效。先确认环境变量在当前 shell 里能echo $TAOTOKEN_API_KEY出来再确认agent.yaml里写的是${TAOTOKEN_API_KEY}而不是字面量。如果 Key 是在控制台刚创建的注意有没有复制到完整字符串。还有一种情况是 Key 被禁用或额度用尽去控制台 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 看一眼状态。local proxy failed。这个报错通常出现在 Agent 尝试访问模型服务时网络层不通。先curl -v https://taotoken.net/api/v1/models看能不能通。如果本地有 HTTP_PROXY/HTTPS_PROXY 环境变量检查是不是指向了一个不可用的地址OpenClaw 的 HTTP 客户端会继承这些变量。把不需要的 proxy 变量 unset 掉再试。reading choices 相关报错。典型信息是error reading choices: unexpected end of JSON input或choices is empty。这多半是模型返回体被截断或格式不对。检查max_tokens是不是设得太小导致返回不完整检查base_url是不是误写成了带/v1的路径导致请求打到错误端点。正确写法就是 https://taotoken.net/api 让适配器自己补全。OAuth 相关报错。如果你用的是 Claude Code 或 Codex 这类带 OAuth 登录的工具报OAuth token expired或invalid_grant说明本地缓存的 token 过期了。这类工具建议直接用 API Key 模式接入把 Base URL 指向 https://taotoken.net/api Key 用控制台创建的Model ID 填你选的模型。三件套齐全就不会走 OAuth 流程也就绕开了 token 过期问题。Skill 执行超时。报step query_metrics timeout after 30s说明 Prometheus 查询慢。把prometheus/skill.yaml里的timeout从 30 调到 60同时确认 PromQL 有没有写得太重比如没加[5m]范围导致全量扫描。邮件发送失败。报SMTPAuthenticationError检查imap-smtp-email里的密码是不是用了授权码而不是登录密码报Connection refused检查 465 端口有没有被防火墙拦。排查顺序建议先 curl 通模型 API再单跑一个 Skill最后跑完整 Agent。这样出问题能快速定位是哪一层。6. 把巡检工作流用起来从每日一次到持续演进工作流跑通之后日常使用其实很轻。每天早上收一封巡检报告邮件异常项直接看明细实例名、当前值、阈值对照都在不用再登机器翻日志。我试过把报告里的严重项直接转发到值班群配合告警平台做二次确认误报率比纯阈值告警低不少因为 Agent 在分析判定阶段会结合上下文做一次语义判断。后续可以扩展的方向有几个。一是异常根因自动分析把异常指标和最近的变更记录、日志关键词一起喂给模型让报告里多一段「可能原因」。二是预测性巡检用 PromQL 的predict_linear做磁盘水位趋势预测提前三天预警。三是问题知识库把历史异常和处理方案存起来下次同类问题直接推荐处置步骤。如果你团队里也在用 OpenClaw 做自动化建议把 Skill 目录纳入 Git 管理每个 Skill 单独 review配置和代码分离。巡检清单的变更走 MR谁改了阈值、为什么改都有记录。这样这套智能运维巡检工作流才不是一个人的脚本而是团队能共同维护的基础设施。模型接入这块长期跑编码和 Agent 任务的话可以看看 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 按量用 API 也行接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 有完整的 Base URL 和参数说明。先把本地这一轮巡检跑通再考虑定时和扩展步子稳一点踩的坑会少很多。

OpenClaw 搭建智能运维巡检工作流实践：用 Skill 编排 Agent 自动巡检

相关推荐

编译原理课程设计：词法分析器、LL(1)与LR(1) Java项目全解

Pandoc 老将 vs MarkItDown 新王：AI 数据流水线到底该选谁？

微电网日前经济调度Matlab建模：储能与需求响应详解

更多资讯

电子元器件假货怎么识别：翻新料的5个早期迹象

AWGN信道蒙特卡洛仿真误码率估计：统计原理、参数陷阱与自适应停止技巧

几何题中的反悔贪心：优先队列与贪心策略的实战解析

Python sum函数的start参数：版本差异与底层机制解析

Tomcat闪退原因排查：环境变量、端口占用与JVM内存配置详解

拆解O奖论文2229059：数学建模中的时间序列预测与交易策略闭环

今日更新

再见，SSE！你好，Streamable HTTP！轻松开发 Streamable HTTP MCP Server 并接入 TaoToken

工业软件标准化路线图：国产替代的落地施工图

VCMI安卓版实操指南：原生运行英雄无敌3的3步技术落地

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？