zht043 ssh-debug
概述
引导agent按结构化流程排查远程服务器问题，避免盲目执行命令。所有远程命令通过connect/scripts/ssh-exec.sh执行。
适用场景
- 服务异常（进程崩溃、服务不可用）
- 性能问题（CPU/内存/磁盘/GPU）
- 部署失败排查
- 容器内应用调试
流程步骤
1. 确认目标
- 获取问题描述，确认profile和排查方向
- 产出：profile名称 + 问题分类
2. 上下文感知环境检查
- 读取本地工程文件推断依赖，动态生成检查项
- 基础检查：
uptime,df -h,free -m,top -bn1 | head -20 - 按规则表执行额外检查
- 产出：环境状态概览
3. 日志分析
- 定位日志：
journalctl -u <service> --since "1h ago",/var/log/ - 搜索关键词：
grep -i "error\|fatal\|exception" <log> | tail -50 - 容器：
docker logs <container> --tail 200
Token优化策略:
日志分析：先用grep搜索错误关键词，找到问题再扩展上下文
大日志文件：只读tail -50，不读全文
环境检查：输出摘要，不粘贴完整命令结果
产出：错误信息摘要
4. 深入排查
- 根据线索执行针对性命令，每次验证一个假设
- 检查配置文件、环境变量、依赖版本
- 产出：根因或最可能原因
5. 总结报告
- 输出发现（现象、根因、影响）和修复建议
- 产出：结构化排查报告
上下文感知规则表
| 检测到的依赖 | 额外检查命令 |
|---|---|
| PyTorch / TensorFlow | nvidia-smi, GPU显存占用 |
| 华为 CANN / MindSpore | npu-smi info, NPU状态 |
| Docker / docker-compose | docker ps -a, docker stats --no-stream |
| 数据库连接配置 | 连通性测试、活跃连接数 |
常用排查命令速查
| 场景 | 命令 |
|---|---|
| 进程 | ps aux | grep <app>, systemctl status <svc> |
| 资源 | df -h, free -m, top -bn1 | head -20 |
| 日志 | tail -100 <log>, journalctl -u <svc> --since "1h ago" |
| 网络 | ss -tlnp, curl -sv localhost:<port> |
| 容器 | docker logs <c> --tail 100, docker stats --no-stream |
| GPU | nvidia-smi, npu-smi info |
容器内调试
profile配置container字段时，ssh-exec.sh自动路由命令到容器内。注意：
- 容器内工具可能缺失，优先用基础命令（
cat,ls,env） - 需宿主机信息时，用不带container的profile
Token约束
- 日志分析：先grep错误关键词，再按需扩展上下文
- 环境检查：输出摘要而非完整命令结果
- 深入排查：每次验证一个假设，不批量执行命令
- 重复信息：不复述已知内容