数据库巡检 Skill#

何时使用#

当用户提到以下关键词时，使用此skill：

用户说法执行命令说明"巡检"dbskiter --output-mode=ai --database=<name> inspector run执行完整巡检"生成报告"dbskiter --output-mode=ai --database=<name> inspector report生成巡检报告"检查配置"dbskiter --output-mode=ai --database=<name> inspector run --type configuration仅检查配置"检查安全"dbskiter --output-mode=ai --database=<name> inspector run --type security仅安全检查"建立基线"dbskiter --output-mode=ai --database=<name> inspector baseline --create创建性能基线"智能巡检"dbskiter --output-mode=ai --database=<name> inspector intelligent智能巡检分析"异常检测"dbskiter --output-mode=ai --database=<name> inspector anomalies检测指标异常"根因分析"dbskiter --output-mode=ai --database=<name> inspector root-cause分析问题根因"风险预测"dbskiter --output-mode=ai --database=<name> inspector risks预测未来风险

核心命令（7个）#

1. 执行完整巡检#

bash

dbskiter --database=<数据库名> inspector run

输出：健康评分、风险统计、巡检项详情

评分标准：

• 90-100：优秀
• 70-89：良好
• <70：需要关注

2. 生成报告#

bash

dbskiter --database=<数据库名> inspector report --output report.html

支持格式：HTML、Markdown、JSON

3. 基线管理#

bash

dbskiter --database=<数据库名> inspector baseline --create

用途：建立性能基线，用于后续对比

4. 智能巡检（新增）#

bash

dbskiter --database=<数据库名> inspector intelligent --metrics-history='{"cpu": [...], "memory": [...]}'

功能：异常检测、根因分析、风险预测、智能建议

5. 异常检测（新增）#

bash

dbskiter --database=<数据库名> inspector detect-anomalies --metrics='{"cpu": [...]}'

功能：检测突然飙升、逐渐增长、周期性异常、基线偏离

6. 根因分析（新增）#

bash

dbskiter --database=<数据库名> inspector analyze-root-causes --anomalies='[...]'

功能：分析异常事件的根因，提供解决建议

7. 风险预测（新增）#

bash

dbskiter --database=<数据库名> inspector predict-risks --time-horizon=7d

功能：预测未来7天/30天的容量和性能风险

8. 智能建议（新增）#

bash

dbskiter --database=<数据库名> inspector smart-recommendations

功能：基于巡检结果生成优先级排序的优化建议

9. 关联分析（新增）#

bash

dbskiter --database=<数据库名> inspector analyze-correlations --metrics='{"cpu": [...], "memory": [...]}'

功能：分析指标间关联性，发现隐藏模式

巡检类型#

• configuration：配置检查
• performance：性能检查
• storage：存储检查
• security：安全检查
• capacity：容量检查

AI决策流程#

场景1：用户说"巡检一下数据库"#

text

步骤1：执行 dbskiter --database=<name> inspector run
步骤2：解读健康评分和风险统计
步骤3：如果有严重问题，建议进一步诊断
步骤4：生成报告：dbskiter --database=<name> inspector report

场景2：用户说"分析一下为什么CPU高"#

text

步骤1：执行 dbskiter --database=<name> inspector root-cause --issue="CPU飙升"
步骤2：查看根因分析结果
步骤3：给出解决建议

场景3：用户说"预测一下未来风险"#

text

步骤1：执行 dbskiter --database=<name> inspector risks --days=30
步骤2：解读风险预测结果
步骤3：给出预防和应对措施