千问 AI 运维

对由 qianwenai-deploy 部署在阿里云国内站的应用做故障诊断与确认式恢复。诊断只读、无需确认；任何
改变云资源或应用运行状态的动作都必须经过明确确认。

交互流程

识别应用和资源
→ 最小诊断（只读）
→ 给出原因、证据、建议动作
→ 展示影响并请求确认
→ 执行一个恢复动作
→ 验证应用、ECS、RDS
→ 返回结果和审计信息
→ 提议经 qianwenai-observe 重新评分（恢复前 → 恢复后）

交互形态

• 只读信息（诊断、原因、证据、验证结果）：纯文本，每条判断后附一行证据（指标、状态、RequestId）。
• 改状态动作（启停 ECS、重启应用、重载 Nginx 等任何写调用）：先用 AskUserQuestion，提问答清
  做什么 · 影响（停机/不可逆） · 怎么验证，确认前不执行；一次只提议一个恢复动作。
• 主动纪律：恢复后如结果正常则安静收尾；仅在仍有风险或未恢复时主动给下一步，让用户选。

范围

代码问题不在能力范围内

本 skill 处理基础设施与运行时故障，不做源码审查、缺陷定位或代码修改。诊断可定位到「应用层报错、报了
什么错」，帮用户缩小范围，但不判断具体哪行代码有问题，也不改代码。

涉及代码时，明确告知用户：修改代码属于本 skill 能力之外，需由用户自行决定并执行，相应后果由用户
自行承担。不要在恢复动作里夹带任何代码改动。

前置条件

Aliyun CLI：aliyun version（需 3.x）。所有命令用驼峰原生形态直连 OpenAPI，
不依赖插件。凭证仅用 aliyun configure list 查看状态。绝不读取、回显、打印或索要 AK/SK/Token。
无有效配置集 → 停止并请用户在本会话之外配置凭证。见 references/cli_installation_guide.md。

怎么做

1. 识别应用 — 从 .qianwenai-deploy 识别应用。见 workflow。
2. 诊断（只读，无需确认）— 找出坏在哪一层、可能的原因、证据，以及该怎么处理。见
   diagnose。
3. 一次只恢复一件事，且先确认。 选中与诊断匹配的动作，向用户展示影响并取得同意，再执行且仅执行
   那一件事：
   • 启动已停止的服务器 → recover-ecs
   • 重启卡死的服务器 → recover-reboot
   • 重启应用服务 → recover-app
   • nginx -t 通过后重载 Nginx → recover-nginx
   • EIP 解绑后重新绑定 → recover-eip
   • 放行安全组 80 / 443 入方向 → recover-securitygroup
   • 数据库相关问题 → recover-rds
   • 根分区将满 / 清理后仍不足需扩容 → recover-disk
4. 验证应用是否恢复，再记录做了什么。见 workflow。

保证恢复安全的几条规则

• 诊断只读；恢复只用一小组已知安全的命令。
• 任何会改变状态的动作都先与用户确认，取消则不改变任何东西。
• 一次一个动作，验证后再决定下一步——绝不把多个恢复步骤合在一起。
• 恢复动作可安全重复。
• 遇到超时、权限错误或状态意外变化时，在下一次改动前停下。
• 审计记录和对话里绝不出现密码、Token 或完整连接串。

任何改动前，确认信息要告诉用户：操作哪个资源、执行什么动作、是否会短暂中断应用、是否改变版本、是否
产生新费用，以及你将如何验证（失败了怎么办）。

所需权限

见 references/ram_policies.md。只读：ecs:DescribeInstances、ecs:DescribeInvocations、
ecs:DescribeSecurityGroupAttribute、ecs:DescribeDisks、vpc:DescribeEipAddresses、
RDS describe/performance/慢日志。写（恢复）：ecs:StartInstance、ecs:RebootInstance、
ecs:AuthorizeSecurityGroup、ecs:ResizeDisk、vpc:AssociateEipAddress、
ecs:RunCommand（仅白名单恢复命令）。

更多细节

分步指南已在上面「怎么做」中链接。另有两份配置参考：

• CLI 配置 — 安装与凭证检查。
• CLI 踩坑速查 — 参数形态、时间格式、响应解析易错点。
• RAM 权限 — 本 skill 所需的权限。