WorkBuddy运维实战：五大场景揭秘，IT运维效率如何翻倍

研究AIOps有一段时间了，手里积累了不少可落地的方案。腾讯的WorkBuddy早在今年3月就已发布，与Claude Code、Codex属于同一类产品。但因为是商业软件，此前一直没条件去测试它在运维场景中的真实表现。最近看到它的月活跃用户已达两千万，看来在国内用户中越来越受认可。于是，花了两天时间安装并深度使用，将五个核心运维场景的实战感受整理出来，供各位参考。 需要说明的是，以下场景均假设已为WorkBuddy配置好相关服务器权限。这一环节可通过Ansible MCP来完成。

场景一：智能巡检

**过去的做法：** 每周一早上，登录每台机器，依次敲 `df -h`、`free -m`、`uptime`，盯着输出记到Excel里。20台机器，一上午就没了。 **现在让WorkBuddy来做：** 只需下达一条指令，它便会自动连接服务器，检查磁盘、证书、接口，最终将报告整理好发送到邮箱。你只需要打开邮箱，标红的地方重点看，绿色的直接跳过。 ``` 帮我巡检一下生产环境的所有服务器，检查以下内容： 基础设施： - 磁盘使用率，超过 80% 的列出来 - 内存和 CPU 使用率，持续超过 80% 的列出来 - 系统负载，超过 CPU 核数 2 倍的列出来 安全： - 所有 SSL 证书，30 天内过期的标黄，7 天内过期的标红 - 检查最近 7 天有没有新增的 cron 任务或系统服务 - 检查 /tmp 和 /var/tmp 下有没有可疑文件 应用： - 检查所有核心服务的 /health 接口 - 检查数据库连接池使用率 结果整理成报告，按严重程度分 CRITICAL / WARNING / INFO 三级，发到我邮箱。 ```

场景二：故障排查

**过去的做法：** 线上告警来了，用户反馈接口响应变慢。打开监控大盘，翻日志，查调用链，再问开发有没有变更，折腾二三十分钟才能定位根因。 **现在让WorkBuddy来做：** 它会自动调用监控API、查询日志系统、拉取变更记录、比对指标。几分钟后把排查报告呈现在你面前。哪个指标最先跳变，哪个日志开始报错，谁改了什么东西，时间线清晰可见。 ``` 帮我查一下这个告警：订单服务接口响应时间飙到 5 秒了。 做以下几件事： 1. 查一下这个服务最近 15 分钟的 CPU、内存、GC 情况 2. 查一下最近 15 分钟的错误日志，按错误类型归类 3. 查一下这个服务最近 24 小时有没有发版或者改配置 4. 查一下它依赖的数据库和中间件最近有没有异常 把以上信息整理成一份排查报告，告诉我： - 什么时间开始出问题的 - 变化最大的指标是哪些 - 最可能的根因是什么 - 下一步怎么验证 ```

场景三：复杂操作——SSL证书续期

**过去的做法：** SSL证书快过期了，得生成CSR、提交CA、下载证书、上传服务器、改Nginx配置、reload服务、检查OCSP。如果涉及多台服务器、多个域名，半天时间就搭进去了。 **现在让WorkBuddy来做：** 扫描所有证书，列出即将过期的，自动走续期流程，部署到服务器，reload服务，验证生效。你只需要看最后的执行报告。 ``` 帮我检查一下所有线上服务的 SSL 证书状态。 看看哪些证书在 30 天内过期，列个清单给我。清单里要包含： - 域名 - 颁发机构 - 过期时间 - 部署在哪台服务器的哪个 Nginx 配置里 对 7 天内过期的证书，自动走续期流程： 1. 调用 Let's Encrypt API 申请新证书 2. 自动做 DNS 验证 3. 下载证书并部署到对应服务器 4. 更新 Nginx 配置并 reload 5. 验证新证书是否生效 6. 每一步都要记录日志，失败了马上通知我 ```

场景四：变更影响分析

**场景描述：** 上线前，开发说“我就改了一行配置”。但这一行改了会影响谁？会不会导致连锁故障？以前全靠经验猜。 **现在让WorkBuddy来做：** 它会自动查询配置中心的历史、调取服务拓扑图、拉取变更记录，生成一份风险评估报告。拿着这份报告，你可以明确告诉开发：“这个改动影响3个下游服务，建议先灰度10%的流量，观察15分钟，重点看这几个指标。” ``` 帮我分析一下这个变更的影响范围：order-service 的数据库连接池配置要改，从 100 改到 200。 查一下： 1. order-service 还被哪些服务调用了？ 2. 下游服务有没有降级机制？ 3. 这个配置以前改过没有？改完出过问题吗？ 4. 如果改完后 order-service 挂了，会影响哪些链路？ 给一份风险评估报告，包含： - 直接影响的服务 - 间接影响的服务 - 建议的灰度步骤 - 回滚操作是什么 - 上线后重点看哪些指标 ```

场景五：日常琐事自动化

**场景描述：** 运维每天都有各种“小活”：查一下某个IP的流量、看某个端口通不通、查一下最近有没有报错、看看谁在线上做了操作。单独都不难，但架不住一天来几十次。 **现在让WorkBuddy来做：** 把这些做成一个快捷指令集，以后说人话就能查。群里有人问“帮我查一下某某”，直接让WorkBuddy跑一遍，结果甩过去，不用自己登机器、敲命令。 ``` 把这些做成一个快捷指令集，以后我说人话就能查： 网络类： - "查一下 10.0.0.1 的 8080 端口通不通" - "看看这个 IP 最近的流量趋势" - "解析一下这个域名" 日志类： - "帮我看看最近 1 小时的 500 错误" - "查一下这个 traceId 的完整调用链" - "这个错误码最近出现过多少次" 审计类： - "查一下张三今天在线上干了什么" - "看看这个配置谁改过" - "这台服务器最近谁登录过" 报告类： - "今天系统状态怎么样" - "这周出了哪些故障" - "这个月的 SLA 是多少" 每个指令执行完，直接把结果返回给我。 ```

用好WorkBuddy做运维的核心要点

1. 需求讲明白

把它当成一个经验丰富的工程师。它很聪明，但不会猜你想要什么。派任务时务必说明白需求，约定好边界。

2. 把异常情况说清楚

“失败了通知我”太模糊。“失败了把错误详情发我，如果连续失败3次就停掉，等我人工处理”——这才是生产可用的指令。

3. 每次执行都要有记录

跑完就完了？不行。结果记在哪、日志格式是什么、失败了有没有痕迹——没有日志的操作等于没发生。