🔧 Step 0：先确认外部工具配置

⚠️ 本案例依赖外部工具（Telegram/Notion/飞书等），先确认已配置 👉 查看常用工具配置指南 →

解决什么问题

运维最痛苦的事：凌晨收到告警。

磁盘满了 → 服务挂了
进程崩了 → 用户投诉
SSL 过期 → 网站打不开
内存泄漏 → 越来越慢

DataCamp：“A self-healing server setup takes a weekend to configure.”

大部分告警的处理是固定流程：AI 完全可以自动处理。

前置条件

OpenClaw 已安装在服务器上
root 或 sudo 权限

自愈规则配置

磁盘自动清理

监控磁盘使用率，每 10 分钟检查一次：
- 超过 80% → 通知我
- 超过 90% → 自动清理：
  1. 删除 30 天前的日志文件
  2. 清空 /tmp
  3. 清理 Docker 无用镜像
  4. 清理完后报告剩余空间
- 清理后仍超过 90% → 紧急通知我

进程自动重启

监控关键进程：
- nginx / node / postgres / redis
- 每 30 秒检查一次
- 进程挂了 → 自动重启
- 重启 3 次仍然挂 → 通知我
- 每次重启记录日志

SSL 自动续签

监控所有域名的 SSL 证书：
- 每天检查一次
- 到期前 14 天 → 自动运行 certbot 续签
- 续签成功 → reload nginx
- 续签失败 → 通知我

内存监控

监控内存使用：
- 超过 85% → 找出占用最多的进程，通知我
- 超过 95% → 自动重启占用异常的非关键进程
- OOM Killer 触发 → 立刻通知我

通知示例

自动处理的（不用管）：

✅ 自动处理：磁盘清理

原使用率：93%

清理内容：日志 2.3GB + Docker 镜像 4.1GB

当前使用率：61%

无需操作

需要你看的：

⚠️ 需要关注：postgres 进程异常重启

今天已自动重启 2 次

最近一次崩溃日志：连接数超限

建议：增加 max_connections 或检查连接泄漏

紧急的：

🚨 紧急：主数据库磁盘写入错误

自动处理失败

需要立即人工干预

[一键 SSH 连接命令]

预期结果

80% 的告警自动处理，不用人工干预
凌晨不再被吵醒（除非真的严重）
服务可用率从 99.5% 提升到 99.9%
运维从救火变成优化

踩坑记录

AI 误操作导致服务中断

症状：AI 清理了不该清理的文件。

解法：

只允许 AI 操作白名单内的目录
危险操作先通知你确认
所有自动操作记录详细日志
配置回滚方案

告警风暴

症状：一个问题引发连锁告警，通知刷屏。

解法：设置告警聚合——同一问题 5 分钟内只通知一次，附上所有相关信息。

不满意怎么调

不敢全自动 → 所有操作先通知你确认再执行
多台服务器 → 一个 OpenClaw 监控多台，统一面板
想更专业 → 接入 Prometheus + Grafana 做可视化

服务器自愈：AI 自动发现问题并修复，你睡觉它值班