n9e-create-dashboard

name	n9e-create-dashboard
description	创建监控仪表盘。当用户要求创建仪表盘、监控大盘、Dashboard 时使用。
max_iterations	18
builtin_tools	["import_dashboard_template","create_dashboard","list_metrics","list_files","read_file","grep_files"]
tags	["export"]

Skill: 夜莺(N9E) 仪表盘创建

创建仪表盘有两条路径，优先用方式 A（导入集成模板），模板是人工精调验证过的成品，质量远高于手工拼装；只有在没有现成模板或用户要自定义指标时才走方式 B。

同一组件常同时有 categraf 和 exporter 两套模板时，优先 categraf：先探测 categraf 指标有没有数据，能查到就用 categraf 模板，查不到才退回 exporter（详见方式 A 第 3 步）。

场景	用哪个工具
监控主题在 integrations 里有现成模板（Linux / MySQL / Redis / Kafka / PostgreSQL / Elasticsearch / Ceph / Oracle / Nginx / Windows …）	import_dashboard_template（首选）
自定义指标、没有现成模板、或用户明确要求自定义面板	create_dashboard

第一步（两条路径通用）：确定业务组和数据源

• 调用 list_busi_groups 获取业务组列表
• 调用 list_datasources 获取数据源列表，找到 Prometheus 类型的数据源 ID
• 若会话上下文已预选 busi_group_id / datasource_id，直接用，不要再调 list_*

业务组选择规则

1. 用户明确指定了业务组名称或 ID，直接使用
2. 否则按优先级： a. 优先 is_default: true 的业务组（通常是 "Default Busi Group" 或含"默认"的组） b. 只有一个业务组时直接用 c. 多个候选且都非默认时，不要盲取第一个，在回复里列出让用户确认

---

方式 A：导入集成模板（首选）

import_dashboard_template 会读取 integrations/ 下的完整模板（布局、阈值、单位、overrides、value mappings 全部保留），并自动把模板的数据源绑定改写到你选的 Prometheus 数据源上。

步骤

1. 看有哪些集成组件：

   list_files(base="integrations")
   

2. 看该组件下有哪些模板文件：

   list_files(base="integrations/Linux", path="dashboards")
   

3. 挑对模板文件。模板常分 categraf（telegraf 风格指标名）和 exporter（node_* / *_exporter 风格指标名）两种采集风格，文件名约定各组件不一，可能是前缀（Linux 的 categraf-overview.json）也可能是后缀（redis_by_categraf.json）。优先选文件名含 categraf 的模板：
   • 先探测 categraf 指标在环境里有没有数据：list_metrics(datasource_id=<X>, keyword="<categraf 指标关键字>")。
     • 关键字用能区分两种风格的 categraf 专有指标名，例如 Linux 用 cpu_usage（categraf 是 cpu_usage_idle，node_exporter 没有这个名字）、mem_used_percent、disk_used_percent；Redis 用 redis_used_memory。
     • 拿不准该用哪个关键字时，读一下该模板的指标清单（文件小、不会截断）：read_file(base="integrations/Linux", path="metrics/categraf-base.json")，从里面挑一个代表性 expression 去探测。
   • 只要 categraf 指标能查到数据（返回非空数组），就直接用文件名含 categraf 的模板，不必再去比较 exporter。
   • 只有 categraf 指标查不到任何数据时，才退回文件名含 exporter 的模板（如 exporter-detail.json、redis_by_exporter.json），并用对应的 exporter 指标关键字（如 node_cpu_seconds_total）list_metrics 确认它确实有数据后再导入。
   • 不要用 read_file 把整个 dashboard 模板读出来再拼——模板可能很大且会被截断；挑文件靠文件名 + metrics 清单即可
4. 导入：

   import_dashboard_template(group_id=<业务组>, component="Linux", file="categraf-overview.json", datasource_id=<Prometheus数据源>)
   

注意事项

• 数据源绑定、变量、布局全部自动处理，你只需传 component + file
• datasource_id 可选：传了就把它设为大盘数据源变量的默认选中值（首屏即可查询）；不传则由前端在数据源下拉里自动选第一个 Prometheus
• 想改名或改标签：传可选的 name / tags，不传则沿用模板自带的
• 返回 Name duplicate 时，不要调 list_dashboards，直接换个名字（加 -v2、-AI 或时间戳后缀）重试

---

方式 B：自定义创建（无模板时）

用 create_dashboard。只需提供面板标题、类型和 PromQL，工具自动生成完整配置（布局、数据源变量、样式、单位等全部自动处理）。

create_dashboard 接受的是下面这套简化字段。除此之外的字段（thresholds、overrides、value mappings、heatmap/hexbin/tableNG/iframe 等）它不支持，写了也会被忽略——需要这些丰富配置时请改用方式 A 导入模板。

调用示例

{
  "group_id": 1,
  "name": "Linux 主机监控",
  "datasource_id": 1,
  "tags": "linux 主机",
  "variables": "[{\"name\":\"ident\",\"label\":\"主机\",\"definition\":\"label_values(cpu_usage_idle, ident)\"}]",
  "panels": "[{\"name\":\"CPU使用率\",\"type\":\"stat\",\"queries\":[{\"promql\":\"avg(cpu_usage_active{cpu=\\\"cpu-total\\\",ident=~\\\"$ident\\\"})\",\"legend\":\"CPU\"}],\"unit\":\"percent\"},{\"name\":\"CPU使用率趋势\",\"type\":\"timeseries\",\"queries\":[{\"promql\":\"cpu_usage_active{cpu=\\\"cpu-total\\\",ident=~\\\"$ident\\\"}\",\"legend\":\"{{ident}}\"}],\"unit\":\"percent\"}]"
}

面板字段（仅这些被支持）

每个面板必填 3 个字段：

{"name": "面板标题", "type": "timeseries", "queries": [{"promql": "PromQL表达式", "legend": "{{ident}}"}]}

字段	说明	默认
name	面板标题（必填）	—
type	面板类型（必填，见下表）	—
queries	查询列表，每项 {promql, legend?, instant?}	—
unit	单位	无
w / h	宽/高（网格列数，总宽24）	按类型自动
stack	是否堆叠（仅 timeseries）	false
description	面板描述	无

查询字段 instant：stat/gauge/barGauge/pie/table 等单值面板建议设 "instant": true（即时查询）。

支持的面板类型（仅这 8 种）

type	说明	默认尺寸 w×h
timeseries	时序折线图，最常用	12×8
stat	单值统计大数字	6×4
gauge	仪表盘	6×6
barGauge	水平条形排名	8×8
pie	饼图	6×6
table	表格	12×10
text	文本说明（用 description 作内容）	6×4
row	分组行（自动全宽）	24×1

常用单位(unit)

percent | bytesIEC | bitsIEC | bytesSecIEC | bitsSecIEC | seconds | milliseconds | reqps

布局自动计算

面板从左到右、从上到下自动排列，同类型自动对齐（如 4 个 stat 排成一行），row 独占一行作为分组标题。无需手动指定坐标。

变量

{"name": "ident", "label": "主机", "definition": "label_values(cpu_usage_idle, ident)"}

label 和 multi 可选（multi 默认 true）。后续变量在 definition 里引用前置变量实现级联：

[
  {"name": "ident", "definition": "label_values(cpu_usage_idle, ident)"},
  {"name": "interface", "definition": "label_values(net_bytes_recv{ident=~\"$ident\"}, interface)"}
]

注意事项

• 多选变量在 PromQL 里用 =~ 不用 =，如 ident=~"$ident"
• counter 类型指标用 rate(...[3m]) 或 irate(...[5m])
• PromQL 优先从 integrations 模板里抄经过验证的表达式：read_file(base="integrations/Linux", path="dashboards/categraf-detail.json")，关注 targets 里的 expr
• 返回 Name duplicate 时直接换名重试，不要调 list_dashboards

---

第三步（两条路径通用）：输出结果

保持简短。一句话确认即可，例如：

✅ 已为您创建仪表盘「Linux 主机监控」，详情请查看下方卡片。

不要复述仪表盘 ID、业务组、数据源、面板清单等字段——前端会以结构化卡片展示。需要补充建议可加一两句，但不要逐条列出卡片已有的字段。

无模板时的推荐面板设计（方式 B 参考）

这些主题在 integrations 里基本都有模板，优先走方式 A；下面仅供方式 B 手搓时参考。

Linux 主机监控

变量： ident（主机）、interface（网卡）、mountpoint（挂载点）

区域	面板	类型	核心指标
概览	CPU使用率	stat	avg(cpu_usage_active{cpu="cpu-total"})
概览	内存使用率	stat	avg(mem_used_percent)
概览	磁盘使用率(最高)	stat	max(disk_used_percent)
CPU	CPU使用率趋势	timeseries	cpu_usage_active + cpu_usage_iowait
CPU	系统负载	timeseries	system_load1/5/15
内存	内存使用率趋势	timeseries	mem_used_percent
磁盘	各挂载点使用率	barGauge	disk_used_percent
网络	网络流量	timeseries	rate(net_bytes_recv/sent)

MySQL 监控

QPS/TPS、连接数、慢查询、Buffer Pool 命中率、复制延迟

Redis 监控

OPS、内存使用、连接数、命中率、键空间

Kubernetes 监控

变量： cluster、namespace、pod。Pod CPU/内存、节点资源、部署状态、PV 使用