面对一次系统故障，通常需要经历一套相对固定的排查流程：查看系统负载和进程状态，分析dmesg、journalctl 等日志；如果怀疑存在内核或软件包问题，还需要进一步核对 CVE 和安全公告；当环境涉及多台机器时，则需要逐台登录确认。
这些操作本身并不复杂，但真正困难的是：如何保证排查过程完整、判断依据清晰，并将一次排查形成的经验沉淀下来，供后续类似问题复用。
实际运维工作中更容易出现的情况是：排查顺序因人而异，中间漏掉一环；同类问题上周刚处理过，结论却散落在文档、工单或即时通讯记录里，下一次仍要从头收集信息。对多机、巡检、补丁这类重复性工作，这个问题会更明显。
OpenAtom openEuler（简称 “openEuler” 或“开源欧拉”） Ops Agent 正是面向这类场景打造的可对话运维助手。用户只需要通过自然语言描述问题，Agent 就可以按照预先定义的排查路径推进任务，完成系统状态采集、日志分析，并输出可执行的命令和相应的判断依据。
本文将从能力介绍、Skill 体系、SkillHub 以及实际部署几个方面，带你快速了解 openEuler Ops Agent，并通过一个 CPU 高负载案例体验如何使用它完成故障排查。
01 openEuler Ops Agent是什么，能做什么
openEuler Ops Agent 是面向 openEuler 的运维助手。用自然语言描述问题即可触发对应流程，不需要先在菜单里选择场景。
它覆盖 16 类常见工作：故障排查、日常巡检、CVE 漏洞修复、安全加固、性能调优、存储管理、网络管理、内核维护、高可用与集群、容器与虚拟化、系统升级回滚、备份恢复、账号权限、服务进程、日志审计，以及知识沉淀。Agent 根据表述中的关键词做场景匹配；信息不够时会先做一两轮澄清，再进入流程。
以故障排查为例，路径是固定的五步。先收集 CPU、内存、磁盘、进程和负载，远程环境会带上 SSH；再对日志做统计、去重和异常分析；有明确异常则对照已有经验给出方案，否则扩大到网络、存储、内核和资源；最后输出故障时间线、根因、可执行命令和预防建议。新问题还可以把排查路径沉淀下来，供下次检索。其余场景同样按预定义步骤推进，只是调用的检查项和 Skill 不同。
工作方式可以概括为：提问进入场景，场景调用 Skill，Skill 产出命令和结论。
02 Skill 从哪里来
2.1 里面有哪些 Skill
场景只规定「先做什么、再做什么」，真正执行命令、看日志、连远程机的是一组 Skill。Agent 本身不内置这些能力的实现，安装时会把下面这些 Skill 拉齐。按用途可以分成四类。
| 类型 | Skill | 能力 |
|---|---|---|
| 核心 | agent-tools | 本机监控、进程管理、文件处理、网络诊断和日志查看。多数场景都会用到。 |
| 核心 | ssh-remote-skill | 多机 SSH、远程执行命令、文件传输 |
| 专项 | ops-maintenance | 巡检、安全审计、告警、SSL 证书和 Docker 健康检查 |
| 专项 | log-analyzer | 本地日志统计、去重、错误模式和异常识别 |
| 专项 | buddy-log-analyzer | 先按规则筛选，再做日志异常分析 |
| 专项 | docker-diag | Docker 容器日志提取与故障诊断 |
| 专项 | kubernetes | Kubernetes / OpenShift 集群运维编排 |
| 知识 | experience-skill | 检索本地已沉淀的运维经验（Wiki / Skill Hub） |
| 元能力 | summarize | 诊断结论、巡检报告和长日志摘要 |
| 元能力 | self-improvement | 捕获排查路径，生成可复用的经验草稿 |
| 元能力 | skill-vetter | 安装其他 Skill 前做风险和权限预审 |
排查、巡检这类日常工作，一般是 agent-tools 打底，需要时再叠日志分析和远程执行。CVE、加固、调优还会用到社区侧的查询接口，那是 Agent 的另一条数据来源，与 Skill 并列，不在上表里。
2.2 SkillHub
上面这些 Skill 并不是写死在 Agent 仓库里的，而是发布在 openEuler SkillHub 上。SkillHub 用来检索、评估和获取可复用的 Skill：一个 Skill 对应一类明确能力，带 SKILL.md 和必要的脚本，可以单独安装，也可以被不同 Agent 组合使用。
Ops Agent 做的是编排。它规定 16 个场景怎么走，安装时再按清单从 SkillHub 把所需 Skill 拉到本地。之后如果某个 Skill 有更新，也可以只升级这一块，而不必重做整个 Agent。
03 一键构建
代码在 openeuler/witty-agents 仓库的 openeuler-ops-agent 目录。安装前需要：Node.js 18.18 及以上、Python 3.8 及以上、包管理器 uv，以及 curl 和 tar。SkillHub 命令行默认装到 ~/.local/bin，需要把该目录加入 PATH：
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc克隆仓库后进入目录，把 Skill 装到 ~/skills：
git clone https://atomgit.com/openeuler/witty-agents.git
cd witty-agents/openeuler-ops-agent
npm install -g .
export SKILLS_DIR=~/skills
openeuler-ops-agent installinstall 会检查或安装 skillhub CLI，再按清单从 SkillHub 把所需 Skill 下载到 ~/skills。本机如果没有预置知识库，experience-skill 这一步会跳过，不影响其余 Skill。skillhub CLI 装不上时，Skill 下载也会跳过，修好后再跑一遍 install 即可。
装完后建议验证：
export SKILLS_DIR=~/skills
openeuler-ops-agent verify绿色勾表示对应 Skill 已就绪；黄色三角表示未检测到。下图中 10 个运维 Skill 均为勾选，experience-skill 为黄色三角——没有预置知识库时这一项本来就不会就绪，不装也可以使用 Agent。
验证通过后，即可直接用自然语言提问。
04 使用案例
不需要先选场景，把当前现象用话说清楚即可。有风险的操作（删除、改内核参数、升级等）应等确认后再执行。
下面用一个完整案例说明：先在机器上造一个可逆的异常，再交给 Agent 排查。使用的框架自行选择。
案例：CPU 持续偏高
另开一个终端，用下面两条命令占满一核 CPU（只占一核，不会把整机打满），并记下进程号：
python3 -c 'while True: pass' &
echo $! > /tmp/ops-demo-cpu.pid后台任务会打印出进程号，如下图。记下这个 PID，后面对照 Agent 的结论。
回到对话里，可以这样问：
这台机器刚才开始明显变慢，CPU 一直很高。帮我定位是哪个进程在占 CPU，说明判断依据，并给出停止它的命令。
Agent 会去看负载和进程。下图这次演示里，它定位到刚才的 python3 死循环（PID 与终端一致），并给出了 kill 命令；顺带扫到磁盘已满，也写进了处理建议。看完效果后，用对应 PID 结束这个演示进程即可。
05 总结
openEuler Ops Agent 把排查路径写进场景，把具体动作交给 SkillHub 上的 Skill，安装后用自然语言就能用。Skill 可以单独更新，场景也可以继续往上加。
仓库在 openeuler/witty-agents，Skill 浏览和贡献走 openEuler SkillHub。欢迎试用，也欢迎把可复用的运维 Skill 提交到 SkillHub。