Files

OG T a1432c03ed docs: ADR-070/071 + ssh-mcp-setup runbook + Skill-04 v2.7

- ADR-070: 全自動 AIOps 閉環 MCP Phase 1-4 決策文件
- ADR-071: 告警通知四類型 + KM 三段資料閉環決策文件
- docs/runbooks/ssh-mcp-setup.md: SSH MCP 建立/驗證/輪換 SOP
- Skill-04: v2.7 新增 Sprint C DR + ADR-070 MCP 10 providers 完整記錄

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

2026-04-11 20:04:47 +08:00

3.2 KiB

Raw Blame History

ADR-071: 告警通知四類型架構 + KM 三段資料閉環

狀態: Accepted
日期: 2026-04-11 (台北時間)
作者: Claude Sonnet 4.6 + 首席架構師審查
關聯: ADR-070（MCP 閉環）、ADR-068（飛輪冷啟動）

問題

AWOOOI Telegram 通知系統存在以下問題：

所有告警統一用同一種卡片格式，資訊密度過高或過低
incidents 表缺少 metrics_before / metrics_after / k8s_state_after 欄位，無法做效果驗證
KM 知識沉澱缺少「執行前情境」，Playbook 無法學習「什麼情況下採用這個動作」
Drift 告警（Config 漂移）與一般服務告警混用同一卡片，語意不清

決定

四種通知類型

Type	名稱	觸發條件	特徵
TYPE-1	純資訊	非嚴重告警（Info/heartbeat）	無按鈕，文字摘要
TYPE-2	指標快照	metrics_before 有數據	顯示 CPU/Mem/Disk 快照
TYPE-3	人工審核	needs_approval=True	Y/n 審核按鈕
TYPE-4	自動修復結果	auto_execute 完成	顯示執行結果 + metrics delta
TYPE-4D	Drift 告警	alert_category=config_drift	Diff 截斷顯示

七種 alert_category 動態按鈕（TYPE-3 審核卡片）

service_down / high_resource / config_drift /
security_event / performance / data_issue / unknown

DB Schema 變更（Migration: phase30_alert_types.sql）

新增欄位至 incidents 表：

alert_category      VARCHAR(50)
needs_approval      BOOLEAN DEFAULT false
metrics_before      JSONB
metrics_after       JSONB
k8s_state_after     TEXT
resolution_time_sec INTEGER
notification_type   VARCHAR(20)
signal_source       VARCHAR(50)

新增 Enum：AlertCategory, NotificationType

KM 三段資料格式（km_conversion_service.py）

## 效果驗證
- 指標變化: CPU 85%→12% | Mem 90%→45% | 重啟 3→0
- 恢復耗時: 47秒
- K8s 狀態: 2/2 Running

實作記錄

子任務	Commit	說明
A — DB Migration	`325b385`	incidents 8 欄位 + 5 PgEnum，Production 已執行
B — classify_notification()	`325b385`	五型分類器
C — send_info_notification()	`325b385`	TYPE-1 純資訊卡片
D — 狀態機守衛	`325b385`	`_check_incident_state_guard()` RESOLVED 防誤點
E — _build_inline_keyboard()	`325b385`	7 種 alert_category 動態按鈕
F — send_drift_card()	`325b385`	TYPE-4D Drift Diff 截斷
G — km_conversion_service	`325b385`	Incident→KM 自動轉換
H — handle_manual_fix_done()	`325b385`	TYPE-4 手動修復 Bot 對話閉環
I — metrics_before 閉環	`1ec1965`	`_fetch_metrics_snapshot()` + DB 寫入
J — KM delta 格式	`1ec1965`	`_build_content()` 精簡 delta + k8s_state_after

後果

正面

告警卡片語意清晰，操作員看一眼就知道需要做什麼
KM 三段資料完整，飛輪可學習「在什麼情況下這個修復有效」
Drift 告警獨立類型，避免和服務告警混淆

風險

alert_category 分類依賴 LLM 判斷 → unknown fallback 保底
metrics_before 在 execute 前抓取，若 execute 很快可能抓到 post-action 數據 → 可接受（誤差小）

3.2 KiB Raw Blame History Unescape Escape