fisker086/keyops/k8s

K8s 技能

当用户任务涉及 K8s 集群巡检、节点/Pod 状态、工作负载分析、事件排查、资源使用分析时，使用本技能。

适用场景

• 集群健康巡检（节点、Pod、工作负载）
• 故障排查（事件、异常 Pod、调度失败）
• 资源使用分析（结合 Prometheus 的 CPU/内存指标）
• 命名空间/工作负载清单
• 部署状态检查

工具箱详解

1. k8s_cluster_summary

获取集群摘要：节点数、Pod 数、工作负载数等，用于快速了解集群状态。

示例：{}

2. k8s_list_nodes

列出集群节点及状态（Ready、NotReady 等）。

3. k8s_list_namespaces

列出所有命名空间。

4. k8s_list_pods

列出指定命名空间下的 Pod，可筛选状态。

示例：{"namespace": "production"}

5. k8s_list_deployments

列出 Deployment 工作负载。

6. k8s_list_daemonsets

列出 DaemonSet 工作负载。

7. k8s_list_statefulsets

列出 StatefulSet 工作负载。

8. k8s_list_events

列出事件，可按命名空间、对象名、对象类型过滤，用于故障排查。

示例：{"namespace": "default", "object_kind": "Pod"}

巡检建议流程

1. 概览：k8s_cluster_summary → k8s_list_nodes → k8s_list_namespaces
2. 事件优先：尽早调用 k8s_list_events 发现 Critical/Warning
3. 异常定位：根据事件定位到 Pod/Deployment，再用 k8s_list_pods 等查看详情
4. 结合指标：若环境同时配置 Prometheus，可用 execute_promql_query 查 CPU/内存使用

参数兜底与默认值（强约束）

• k8s_list_pods 未给 namespace 时默认使用 default
• 其他工作负载/事件查询未给 namespace 时，优先先列命名空间再让用户确认目标
• 用户只说“集群异常”这类泛化问题时，先走概览流程，不直接下结论
• 需要定位对象但缺少名称时，先查列表（pods/deployments/events）再下钻

失败重试与降级策略

1. 工具失败先做一次收敛重试（缩小 namespace、补 object_kind/object_name）
2. 若仍失败，降级为“可执行排查路径”：给出下一步最小命令/工具调用建议
3. 禁止推断不存在的 K8s 资源状态；拿不到数据时明确说明“当前未检索到”
4. 如果事件为空，不代表无故障，需结合节点状态与工作负载状态交叉验证

标准输出结构（建议统一）

1. 结论：当前集群是否健康、主要异常点
2. 证据：节点/Pod/事件的关键事实（对象名、状态、时间）
3. 下一步：建议继续调用的 K8s 或 Prometheus 工具及参数

与 Prometheus 技能配合

K8s 技能提供集群真实状态（节点、Pod、事件），Prometheus 提供资源指标（CPU、内存、网络）。两者结合可做完整的 K8s 巡检与根因分析。

激活条件

目标环境已关联 K8s 集群（k8s_cluster_id，从「K8s 管理」选择），且 K8s Runner 已配置。

角色化评审要求（发布前）

• 适用角色：inspector、k8s-expert
• 评审模式：
• inspector：走极速评审（2-3 分钟）
• k8s-expert：在极速评审基础上，额外检查对象粒度与定位链路
• 必查三板斧：

1. 参数兜底与默认值
2. 失败重试与降级策略
3. 输出结构（结论/证据/下一步）

• k8s-expert 额外必查：
• 是否明确到 namespace / object_kind / object_name，避免“集群异常”式泛化结论