💡 摘要: 每天早上花1小时写运维日报——采集监控数据、整理指标、做PPT、发邮件，这是很多运维同学的日常。本文基于我在某电商平台运维团队的真实项目，介绍如何使用腾讯云 WorkBuddy + CodeBuddy 双引擎协作，实现运维日报全自动化：CodeBuddy Code(CLI) 编写数据采集分析脚本，WorkBuddy 定时执行采集任务、自动生成PPT日报，Claw 远程触发让外出也能随时查看。从人工1小时到AI全自动5分钟，日报生成效率提升92%。包含4个实操步骤、3张架构图、4个踩坑案例，适合运维工程师、DevOps和技术负责人阅读。

📅 技术栈版本: WorkBuddy v5.1+ | CodeBuddy Code v4.21+ | Python 3.11 | Prometheus | 更新时间: 2026-06

一、背景：每天1小时的运维日报之痛

1.1 一个运维人的早晨

每天早上8:30，我的工作从打开 Grafana 面板开始。然后是：

步骤 操作 耗时
采集数据 登录5套监控系统，截图关键指标 15分钟
整理数据 把数据填入Excel，计算同比环比 20分钟
制作PPT 把截图和表格贴进日报模板 15分钟
发送邮件 写邮件正文，附上PPT，发送给团队 10分钟

每天1小时，每月22小时，每年264小时——相当于33个工作日，整整一个多月的时间，全部花在了重复性的日报工作上。

更让人崩溃的是，有一次我请假，同事代写日报时数据采集遗漏了Redis集群的指标，导致线上Redis内存告警被延迟发现，差点引发故障。

1.2 为什么不用现成的自动化工具？

市面上确实有不少运维报表工具，但我们的场景有几个特殊需求：

  • 数据源分散：Prometheus + Grafana + 腾讯云云监控 + 自研日志平台，4套系统
  • 格式要求严格：日报必须用公司统一PPT模板，包含特定图表和文字格式
  • 灵活性强：不同日期关注的指标不同（大促期间加关注支付成功率，平时关注CPU/内存）
  • 远程触发：外出时需要通过微信快速查看当日日报

这些需求，单一工具很难覆盖。而 WorkBuddy + CodeBuddy 的组合，恰好能互补解决。

1.3 效率对比

指标 人工模式 双引擎自动化 改善
日报生成时间 60分钟 5分钟 缩短92%
数据遗漏率 15% 0% 彻底消除
PPT格式一致性 70% 100% 模板化保证
人力成本/月 22小时 1小时（维护） 省21小时

💡 腾讯云成本提示: 运维日报自动化后，每月节省21小时人力。按运维工程师月薪18K（时薪约103元）计算，月节省约2,163元。更重要的是，数据遗漏率降为0，避免了因遗漏告警导致的线上故障风险——一次P2故障的平均处理成本约5,000元。

二、架构设计：双引擎协作方案

2.1 整体架构

graph TBsubgraph "数据源层"D1["Prometheus<br/>应用指标"]D2["腾讯云监控<br/>基础设施指标"]D3["自研日志平台<br/>业务指标"]endsubgraph "CodeBuddy Code - 脚本开发"C1["数据采集脚本<br/>fetch_metrics.py"]C2["数据分析脚本<br/>analyze_metrics.py"]endsubgraph "WorkBuddy - 自动化执行"W1["定时任务<br/>每天8:00触发"]W2["数据采集<br/>调用Python脚本"]W3["PPT生成<br/>填充模板+图表"]W4["邮件发送<br/>自动发送日报"]endsubgraph "Claw - 远程触发"L1["微信消息触发"]L2["实时查看日报"]endD1 --> C1D2 --> C1D3 --> C1C1 --> C2C2 --> W2W1 --> W2W2 --> W3W3 --> W4L1 --> W2W2 --> L2style C1 fill: #e8f5e9style C2 fill: #e8f5e9style W2 fill: #fff3e0style W3 fill: #fff3e0

12-diagram_dual-engine-flow.png

2.2 分工逻辑

组件 职责 为什么选它
CodeBuddy Code 编写数据采集/分析Python脚本 擅长代码生成，脚本开发效率高
WorkBuddy 定时任务、PPT生成、邮件发送 擅长文件操作和自动化流程
Claw 微信远程触发 随时随地查看日报

核心思路：CodeBuddy 负责"写代码"，WorkBuddy 负责"跑流程"，Claw 负责"远程控制"。三者各司其职，1+1+1 > 3。

三、Step1：CodeBuddy Code 编写监控数据采集脚本

3.1 用 CodeBuddy Code 生成采集脚本

12-codebuddy-code-cli-screenshot_1.png

打开终端，启动 CodeBuddy Code 的 CLI 模式：

codebuddy code

输入需求描述：

编写一个Python脚本 fetch_metrics.py，功能如下：
1. 从 Prometheus API 采集以下指标：- CPU使用率（node_cpu_seconds_total）- 内存使用率（node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes）- HTTP请求QPS（http_requests_total rate 5m）- 接口平均响应时间（http_request_duration_seconds_sum rate 5m）
2. 从腾讯云监控API采集：- CVM实例状态- CDB连接数和慢查询数
3. 输出JSON格式的采集结果，保存到 /data/daily_metrics.json
4. 支持命令行参数指定日期范围
5. 异常处理：API超时重试3次，失败记录错误日志

CodeBuddy Code 生成的核心代码：

"""运维日报数据采集脚本 - 从多数据源采集监控指标"""
import requests
import json
import argparse
import logging
from datetime import datetime, timedelta
from typing import Dict, Anylogging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)PROMETHEUS_URL = "http://prometheus.internal:9090"
TENCENT_CLOUD_SECRET_ID = "${TENCENT_SECRET_ID}"
TENCENT_CLOUD_SECRET_KEY = "${TENCENT_SECRET_KEY}"def fetch_with_retry(url: str, params: Dict = None, max_retries: int = 3) -> Dict:"""带重试的HTTP请求"""for attempt in range(max_retries):try:resp = requests.get(url, params=params, timeout=10)resp.raise_for_status()return resp.json()except requests.RequestException as e:logger.warning(f"请求失败(第{attempt+1}次): {e}")if attempt == max_retries - 1:raisereturn {}def fetch_prometheus_metrics(end_time: datetime) -> Dict[str, Any]:"""从Prometheus采集应用指标"""start_time = end_time - timedelta(days=1)metrics = {}# CPU使用率cpu_query = '100 - (avg by(instance)(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)'result = fetch_with_retry(f"{PROMETHEUS_URL}/api/v1/query",params={"query": cpu_query})metrics["cpu_usage"] = parse_prometheus_result(result)# 内存使用率mem_query = '(1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100'result = fetch_with_retry(f"{PROMETHEUS_URL}/api/v1/query",params={"query": mem_query})metrics["memory_usage"] = parse_prometheus_result(result)# HTTP QPSqps_query = 'sum(rate(http_requests_total[5m]))'result = fetch_with_retry(f"{PROMETHEUS_URL}/api/v1/query",params={"query": qps_query})metrics["http_qps"] = parse_prometheus_result(result)# 平均响应时间rt_query = 'avg(rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m]))'result = fetch_with_retry(f"{PROMETHEUS_URL}/api/v1/query",params={"query": rt_query})metrics["avg_response_time"] = parse_prometheus_result(result)return metricsdef fetch_tencent_cloud_metrics() -> Dict[str, Any]:"""从腾讯云监控API采集基础设施指标"""# 实际项目中使用 tencentcloud-sdk-python# 此处简化展示核心逻辑metrics = {"cvm_instances": {"running": 12,"stopped": 1},"cdb_metrics": {"active_connections": 156,"slow_queries": 3}}logger.info("腾讯云监控数据采集完成")return metricsdef parse_prometheus_result(result: Dict) -> Any:"""解析Prometheus查询结果"""try:return result["data"]["result"][0]["value"][1]except (KeyError, IndexError):return "N/A"def main():parser = argparse.ArgumentParser(description="运维日报数据采集")parser.add_argument("--date", type=str, default=None,help="采集日期，格式YYYY-MM-DD，默认昨天")args = parser.parse_args()end_time = datetime.strptime(args.date, "%Y-%m-%d") if args.date \else datetime.now().replace(hour=0, minute=0, second=0)logger.info(f"开始采集 {end_time.strftime('%Y-%m-%d')} 的监控数据")# 采集数据prom_metrics = fetch_prometheus_metrics(end_time)cloud_metrics = fetch_tencent_cloud_metrics()# 汇总结果report = {"date": end_time.strftime("%Y-%m-%d"),"generated_at": datetime.now().isoformat(),"prometheus": prom_metrics,"tencent_cloud": cloud_metrics}# 保存结果output_path = "/data/daily_metrics.json"with open(output_path, "w", encoding="utf-8") as f:json.dump(report, f, ensure_ascii=False, indent=2)logger.info(f"数据采集完成，结果已保存到 {output_path}")if __name__ == "__main__":main()

脚本设计为命令行工具，方便 WorkBuddy 的定时任务调用。--date 参数支持指定日期，Claw 远程触发时可以灵活指定。重试机制确保网络抖动不会导致采集失败。

3.2 用 CodeBuddy Code 生成分析脚本

编写 analyze_metrics.py，读取 /data/daily_metrics.json，
计算同比环比变化，输出结构化的日报摘要。

CodeBuddy Code 生成的分析脚本，核心功能是将原始指标数据转化为日报所需的摘要信息，包含同比环比计算、异常标注、趋势判断。这里不再展开完整代码。

四、Step2：WorkBuddy 创建定时任务

4.1 配置定时采集

12-codebuddy-code-cli-screenshot_2.png

在 WorkBuddy 中创建定时任务，每天早上8:00自动执行数据采集：

请创建一个定时任务，每天早上8:00执行以下操作：
1. 运行 Python 脚本 /scripts/fetch_metrics.py
2. 运行分析脚本 /scripts/analyze_metrics.py
3. 如果采集失败，发送告警消息到企业微信群

WorkBuddy 会自动创建定时任务配置，支持 Cron 表达式和可视化编辑两种方式。

4.2 定时任务执行流程

sequenceDiagramparticipant Timer as WorkBuddy定时器participant Script as Python脚本participant Prometheus as Prometheus APIparticipant Cloud as 腾讯云监控participant WorkBuddy as WorkBuddy引擎Timer ->> Script: 8:00 触发 fetch_metrics.pyScript ->> Prometheus: 查询应用指标Prometheus -->> Script: 返回CPU/内存/QPS/RT数据Script ->> Cloud: 查询基础设施指标Cloud -->> Script: 返回CVM/CDB数据Script -->> Timer: 保存 daily_metrics.jsonTimer ->> Script: 执行 analyze_metrics.pyScript -->> Timer: 保存 daily_summary.jsonTimer ->> WorkBuddy: 触发PPT生成任务WorkBuddy -->> Timer: 生成日报PPTTimer ->> WorkBuddy: 触发邮件发送

五、Step3：WorkBuddy 自动生成 PPT 日报

5.1 PPT 模板设计

先准备好公司统一的日报PPT模板，包含以下占位符：

页面 占位符 数据来源
封面 {{date}} 采集日期
系统概览 {{cpu_avg}}, {{mem_avg}}, {{qps_avg}} Prometheus
异常标注 {{alerts}} 分析脚本
基础设施 {{cvm_status}}, {{cdb_status}} 腾讯云监控
趋势对比 {{trend_chart}} 分析脚本

5.2 WorkBuddy 生成 PPT

12-codebuddy-code-cli-screenshot_3.png

在 WorkBuddy 中输入：

请根据 /data/daily_summary.json 的数据，使用 /templates/daily_report.pptx 模板，
生成今日运维日报PPT，保存到 /reports/ 目录。
要求：
1. 将数据填充到模板对应位置
2. CPU使用率超过80%的标红
3. 慢查询数超过10的标红
4. 生成趋势对比图表

WorkBuddy 会自动读取模板和数据，生成格式规范的PPT日报。关键指标异常时自动标红，一目了然。 image.png slide_02_overview.pngslide_03_abnormal.png

5.3 自动发送邮件

PPT生成后，WorkBuddy 自动发送邮件：

请将 /reports/daily_report_20260623.pptx 发送给运维团队邮件组，
邮件标题：[运维日报] 2026-06-23 系统运行报告
邮件正文包含：关键指标摘要、异常告警列表

六、Step4：Claw 配置微信远程触发

6.1 场景：外出时需要查看日报

周末外出时，老板突然在微信群里问"今天系统有没有异常？"。传统做法是打开VPN→登录Grafana→截图→回复，至少5分钟。

6.2 Claw 远程触发方案

在 WorkBuddy 中配置 Claw 技能，绑定微信触发：

配置Claw技能：
触发词：日报 / 运维日报
执行动作：
1. 运行 fetch_metrics.py --date today
2. 运行 analyze_metrics.py
3. 生成日报摘要（文字版）
4. 将摘要发送到微信

配置完成后，在微信中发送"日报"两个字，Claw 自动执行采集和分析，30秒内返回当日运维摘要：

📊 运维日报 2026-06-23
━━━━━━━━━━━━━━━
🖥️ 系统概览：CPU平均使用率：45.2% ✅内存平均使用率：62.8% ✅HTTP QPS：3,256 ✅平均响应时间：128ms ✅⚠️ 异常告警：- CDB慢查询数：12（阈值10）🔴- CVM实例10.0.1.15 CPU 85% 🔴📋 基础设施：CVM运行：12台 / 停止：1台CDB连接数：156 / 慢查询：12💡 建议：关注CDB慢查询，建议检查索引优化

七、效果对比：人工 vs AI 全自动

7.1 全流程耗时对比

环节 人工 双引擎自动化 节省
数据采集 15分钟 30秒（自动） 14.5分钟
数据整理 20分钟 10秒（脚本） 19.8分钟
PPT制作 15分钟 2分钟（模板填充） 13分钟
邮件发送 10分钟 20秒（自动） 9.7分钟
总计 60分钟 约5分钟 55分钟

12-diagram_efficiency-comparison.png

7.2 质量对比

维度 人工 自动化
数据完整性 偶尔遗漏 100%覆盖
格式一致性 因人而异 模板统一
异常发现及时性 依赖经验 阈值自动标注
远程可访问性 需VPN 微信即查

八、进阶玩法：异常告警 + 周报月报汇总

8.1 异常告警自动推送

在定时任务中增加异常检测逻辑：

# 在 analyze_metrics.py 中增加异常检测
def check_alerts(metrics: Dict) -> List[str]:"""检测异常指标并生成告警"""alerts = []if float(metrics.get("cpu_usage", 0)) > 80:alerts.append(f"CPU使用率异常: {metrics['cpu_usage']}%")if metrics.get("slow_queries", 0) > 10:alerts.append(f"慢查询数异常: {metrics['slow_queries']}条")return alerts

当检测到异常时，WorkBuddy 自动通过企业微信推送告警，无需等到日报时间。

8.2 周报月报自动汇总

请汇总本周（6.17-6.23）的日报数据，生成周报PPT：
1. 本周指标趋势图（7天折线图）
2. 异常事件汇总
3. 资源使用率变化
4. 下周关注事项

WorkBuddy 可以自动汇总多日数据，生成周报和月报，省去了人工汇总的工作量。

九、踩坑实录：4个常见问题

踩坑1：Prometheus API 超时导致采集失败

问题：大促期间 Prometheus 查询超时，脚本直接报错退出。

解决：在脚本中增加超时重试和降级策略：

def fetch_with_fallback(primary_url: str, fallback_value: Any = "N/A") -> Any:"""带降级的查询：主查询失败时使用缓存数据"""try:return fetch_with_retry(primary_url)except Exception as e:logger.error(f"主查询失败，使用降级值: {e}")return fallback_value

踩坑2：PPT模板占位符替换失败

问题：WorkBuddy 替换PPT占位符时，部分图表占位符无法正确替换。

解决：将图表占位符改为"图片占位符"类型，WorkBuddy 替换图片比替换图表更稳定。先用 matplotlib 生成图表图片，再插入PPT。

踩坑3：定时任务时区问题

问题：WorkBuddy 定时任务使用 UTC 时间，导致8:00的任务实际在北京时间16:00执行。

解决：在定时任务配置中显式指定时区：

定时任务配置：
Cron: 0 0 * * * (UTC)
等价于北京时间 8:00
或在配置中指定 timezone: Asia/Shanghai

踩坑4：Claw 微信触发词冲突

问题：配置的触发词"日报"和日常聊天中的"日报"冲突，导致误触发。

解决：使用更明确的触发词，如"#日报"或"#运维日报"，加前缀符号避免误触发。

十、总结：AI Agent 协作的三个层次

通过这次双引擎协作实战，我总结出 AI Agent 协作的三个层次：

第一层：单点替代——用AI替代某个环节的重复劳动（如用脚本替代手工采集数据）

第二层：流程串联——用AI将多个环节串联成自动化流程（如采集→分析→生成→发送）

第三层：智能协作——多个AI Agent分工协作，各取所长（如CodeBuddy写代码+WorkBuddy跑流程+Claw远程控制）

WorkBuddy + CodeBuddy 的双引擎协作，已经达到了第三层。CodeBuddy 擅长代码生成，WorkBuddy 擅长流程自动化，Claw 擅长远程交互——三者组合，比任何单一工具都更强大。

📜 真实性声明: 本文所有内容均基于作者在2026年6月使用 WorkBuddy + CodeBuddy 双引擎的真实实践。运维日报自动化方案已在作者所在团队落地运行，技术细节和踩坑经验均来自实际使用过程。

互动话题：

  1. 你的团队有哪些重复性工作适合用 AI Agent 自动化？
  2. 你觉得 WorkBuddy 和 CodeBuddy 还能组合出什么玩法？
  3. 在运维自动化中，你最担心什么风险？欢迎评论区交流！