obdiag-triage

name	obdiag-triage
description	未知/未分类问题的统一分诊 SOP：用户描述集群异常但症状不明确、不知从何入手，或问题无法直接对应 rca/observer-log-analysis/observer-sql-analysis 等专项 skill 时，强制先执行全量巡检 check_cluster，再根据巡检结果决定下一步路径。

未知问题分诊 SOP

触发条件

以下任意一条满足即使用本 skill：

• 用户描述问题但症状模糊（"集群慢"、"有报错"、"不稳定"、"有问题"等）
• 无法判断应走 rca、log 分析还是 SQL 分析
• 用户询问"应该怎么排查"、"从哪里开始"
• 当前无任何诊断数据，缺乏基线信息

---

第一步：确认配置（必须）

在执行任何诊断前，先确认集群配置已就绪：

list_obdiag_clusters()

• 若无集群配置 → 调用 generate_obdiag_config 引导用户完成配置，再继续。
• 若有多集群 → 明确告知用户当前使用哪个集群，或询问目标集群。

---

第二步：执行全量巡检（核心步骤，不可跳过）

check_cluster()

不加任何参数，执行完整默认巡检套件。巡检覆盖：磁盘、内存、网络、租户、参数配置等。

即使用户已有明确怀疑方向，也应先跑全量巡检获取基线，避免遗漏根因。

---

第三步：解读巡检结果，决定下一步路径

根据 check_cluster() 输出，按以下优先级路由：

路径 A：巡检发现 CRITICAL / WARNING 项

直接针对告警项深入分析：

告警类型	后续动作
磁盘空间不足、IO 异常	明确要 RCA 时加载 obdiag-rca；需要手动 SOP 时加载 observer-storage-space-troubleshooting，再配合 gather_sysstat() / tool_io_performance()
内存/memstore 告警	check_cluster(cases="memory") 精查 + 加载 obdiag-rca skill 按症状选 scene（如 memory_full、execute_memory_high、major_hold）后调 rca_run
网络相关告警	gather_log(since="1h", grep="ERROR") 过滤网络错误
租户/Session 异常	check_cluster(cases="tenant") + gather_log
参数配置不合理	向用户说明该参数的推荐值与风险

路径 B：巡检正常，但用户仍有明确症状描述

按症状路由到专项 skill：

用户症状	加载的专项 skill
SQL 慢、执行计划异常	observer-sql-analysis
有具体错误日志 / trace_id	observer-log-analysis
OBProxy 日志采集/解读	obproxy-log-analysis
OBProxy/ODP 路由、弱读、读写分离、连接配置	obproxy-routing-troubleshooting
日志盘/数据盘、-4184/-4264、文件系统、索引或副本空间	observer-storage-space-troubleshooting
备份、归档、恢复窗口、OSS/COS/NFS、oblogminer	backup-archive-restore-troubleshooting
已知故障场景（断连、合并卡住等）	obdiag-rca skill → rca_run 优先
性能抖动、CPU 高	obdiag-performance

路径 C：巡检正常，症状描述也模糊

采集基线数据供进一步分析：

gather_log(since="1h", scope="observer", grep="ERROR")
gather_sysstat()

然后分析采集结果，定位有无异常日志，再决定是否继续深入。

---

行动原则

1. 巡检优先：check_cluster() 是任何未知问题诊断的起点，不得因"感觉不相关"而跳过。
2. 不猜测：在没有巡检结果前，不向用户提出"可能是 XXX 问题"的判断。
3. 逐步推进：每一步工具调用完成后，向用户汇报结果要点，再决定下一步，不要一次调用大量工具。
4. 数据说话：所有结论必须基于工具返回的实际数据，不基于用户主观描述直接下结论。
5. 超出能力范围：若巡检和日志分析后仍无法定位，明确告知用户需要哪些额外信息（如 OB 版本、操作时间点、业务变更记录等）。

---

快速流程图

用户描述问题
    ↓
list_obdiag_clusters()  ← 确认配置
    ↓
check_cluster()         ← 全量巡检（不可跳过）
    ↓
┌─────────────────────────────────────┐
│ CRITICAL/WARNING?                   │
│  Yes → 针对告警项深入分析            │
│  No  → 症状明确? → 专项 skill        │
│        症状模糊? → gather_log +      │
│                   gather_sysstat    │
└─────────────────────────────────────┘