用 HolmesGPT 自动诊断 Kubernetes 告警
摘要
STCLab 两人 SRE 团队用 HolmesGPT（CNCF Sandbox）+ ReAct 推理模式自动诊断 K8s 告警，核心发现：Runbook 比模型选择更重要。
关键数据
| 指标 | 改进前 | 改进后 |
|---|---|---|
| 日告警量 | ~40 | ~12（去重后） |
| 单次排查时间 | 15-20 分钟 | <2 分钟 |
| 无效工具调用 | 16 次/调查 | 2 次/调查 |
| 每次调查成本 | — | ~$0.04 |
架构要点
- HolmesGPT ReAct 模式动态选择工具
- Markdown runbook 带元数据（可用工具、范围限制）
- Robusta 集成 + Slack 按 namespace 路由
- 未来：集成 Inspektor Gadget 的 ebpf 网络指标