kubemd

by guiyi-labs

GitHub ↗

0 记忆github未核验到 manifest收录于 08-16

基于证据的Kubernetes运行时诊断，带案例记忆 — DSH技能（+ aiops CLI双生）

Evidence-first Kubernetes runtime diagnosis with case memory — a DSH skill (+ aiops CLI twin).

安装

$ dsh plugin --profile web add github:guiyi-labs/kubemd

GitHub 源码安装：首次需按提示配置 allowBuilds 构建授权后重试

安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗

安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络，DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单，不构成兼容性或安全审查；安装前请审阅源码，不熟悉的插件先在不含密钥的环境试用。

证据优先的 Kubernetes 运行时故障诊断 —— 自带案例记忆。

一个 DSH（DeepSeek Harness）skill，诊断的是线上故障中的集群，而不是编写 manifests。当 Pod 进入 CrashLoop、节点 NotReady、Service 停止响应时，KubeMD 按既定流程执行：捕获上下文 → 建立可复现的反馈环 → 采集信号 → 排序可证伪假设 → dry-run 修复 → 记录案例，下次秒回。

与 KubeShark 类 skill 的区别：它们防止编写 YAML 时的幻觉；KubeMD 负责查明正在运行的负载为什么坏了——并且永远不会忘记修复方法。

安装（30 秒）

git clone https://github.com/guiyi-labs/kubemd ~/.dsh/skills/dsh-k8s-diagnosis

完成。DSH 会自动发现 ~/.dsh/skills/ 下的 skill，无需重启。

DSH（DeepSeek Harness）—— 万物皆插件。Skill 是 agent 按需加载的指令包 + 脚本。

演示

CLI 在真实故障注入 kind 集群上运行（diagnose → 4 项发现 → 案例秒回）：

KubeMD 演示 — aiops CLI 在真实故障集群上

它做什么

症状: "pod CrashLoopBackOff after image update to :latest"
   │
   ├─ Phase 1  捕获上下文      （集群、范围、近期变更）
   ├─ Phase 2  建立反馈环      （kubectl events/日志 → 10 秒可红信号）
   ├─ Phase 3  采集信号        （事件 → 状态 → previous 日志 → 节点）
   ├─ Phase 4  排序 3-5 个可证伪假设（预测式，而非直觉）
   ├─ Phase 5  dry-run 验证    （kubectl diff / rollout undo）
   ├─ Phase 6  记录案例        （cases.yaml → 下次秒回）
   └─ Phase 7  输出契约        （ROOT_CAUSE / EVIDENCE / FIX / CASE_RECORDED）

包含内容

路径	用途
`SKILL.md`	7 阶段流程（精简、省 token）
`references/signal-map.md`	症状 → 信号 → 命令速查表
`references/playbooks/`	深度排障手册：crashloop / oom / network / pending / node-not-ready（已在真实 kind 集群验证）
`scripts/collect-signals.sh`	Phase 3 一键信号采集
`scripts/record-case.sh`	将已解案例追加进 `cases.yaml`
`cases.yaml`	不断增长的案例库（含示例，随你的实战增长）
`verification-report.md`	真实故障注入验证报告（5 场景、无硬错误）

案例记忆（差异化核心）

每条已解诊断都会成为一条记录。下次相同症状出现时，先检索：

grep -i "crashloop" ~/.dsh/skills/dsh-k8s-diagnosis/cases.yaml

一条被回忆起的旧案例是最快的诊断：复现环 + 记住的修复 + 重新验证。这是更大 AIOps 知识闭环的本地 MVP——"把已解诊断蒸馏进可检索库"的思想，同样驱动着平台级 LLM 辅助根因分析。

也提供：aiops CLI

更喜欢终端？同一套确定性诊断规则以 go install CLI 发布：

go install github.com/guiyi-labs/aiops-platform/cmd/aiops@latest
aiops diagnose --namespace demo --pod web-0     # 基于规则的根因
aiops cases --query "crashloop"                 # 历史案例秒回

无服务器、无数据库、单二进制。同一引擎两个入口：KubeMD（agent 引导）↔ aiops CLI（终端自动化）。