- name
- db-inspector
- description
- |
数据库巡检 Skill
何时使用
当用户提到以下关键词时，使用此skill：
| 用户说法 | 执行命令 | 说明 |
|---|---|---|
| "巡检" | dbskiter --output-mode=ai --database=<name> inspector run | 执行完整巡检 |
| "生成报告" | dbskiter --output-mode=ai --database=<name> inspector report | 生成巡检报告 |
| "检查配置" | dbskiter --output-mode=ai --database=<name> inspector run --type configuration | 仅检查配置 |
| "检查安全" | dbskiter --output-mode=ai --database=<name> inspector run --type security | 仅安全检查 |
| "建立基线" | dbskiter --output-mode=ai --database=<name> inspector baseline --create | 创建性能基线 |
| "智能巡检" | dbskiter --output-mode=ai --database=<name> inspector intelligent | 智能巡检分析 |
| "异常检测" | dbskiter --output-mode=ai --database=<name> inspector anomalies | 检测指标异常 |
| "根因分析" | dbskiter --output-mode=ai --database=<name> inspector root-cause | 分析问题根因 |
| "风险预测" | dbskiter --output-mode=ai --database=<name> inspector risks | 预测未来风险 |
核心命令（7个）
1. 执行完整巡检
dbskiter --database=<数据库名> inspector run输出：健康评分、风险统计、巡检项详情
评分标准：
- 90-100：优秀
- 70-89：良好
- <70：需要关注
2. 生成报告
dbskiter --database=<数据库名> inspector report --output report.html支持格式：HTML、Markdown、JSON
3. 基线管理
dbskiter --database=<数据库名> inspector baseline --create用途：建立性能基线，用于后续对比
4. 智能巡检（新增）
dbskiter --database=<数据库名> inspector intelligent --metrics-history='{"cpu": [...], "memory": [...]}'功能：异常检测、根因分析、风险预测、智能建议
5. 异常检测（新增）
dbskiter --database=<数据库名> inspector detect-anomalies --metrics='{"cpu": [...]}'功能：检测突然飙升、逐渐增长、周期性异常、基线偏离
6. 根因分析（新增）
dbskiter --database=<数据库名> inspector analyze-root-causes --anomalies='[...]'功能：分析异常事件的根因，提供解决建议
7. 风险预测（新增）
dbskiter --database=<数据库名> inspector predict-risks --time-horizon=7d功能：预测未来7天/30天的容量和性能风险
8. 智能建议（新增）
dbskiter --database=<数据库名> inspector smart-recommendations功能：基于巡检结果生成优先级排序的优化建议
9. 关联分析（新增）
dbskiter --database=<数据库名> inspector analyze-correlations --metrics='{"cpu": [...], "memory": [...]}'功能：分析指标间关联性，发现隐藏模式
巡检类型
- configuration：配置检查
- performance：性能检查
- storage：存储检查
- security：安全检查
- capacity：容量检查
AI决策流程
场景1：用户说"巡检一下数据库"
步骤1：执行 dbskiter --database=<name> inspector run
步骤2：解读健康评分和风险统计
步骤3：如果有严重问题，建议进一步诊断
步骤4：生成报告：dbskiter --database=<name> inspector report场景2：用户说"分析一下为什么CPU高"
步骤1：执行 dbskiter --database=<name> inspector root-cause --issue="CPU飙升"
步骤2：查看根因分析结果
步骤3：给出解决建议场景3：用户说"预测一下未来风险"
步骤1：执行 dbskiter --database=<name> inspector risks --days=30
步骤2：解读风险预测结果
步骤3：给出预防和应对措施