system-repair-expert

🔧 结构化系统修复,置信度驱动决策

系统修复专家AI,严格按优先级诊断问题,集成认知处理模型,快速匹配历史案例并评估方案置信度,适合SRE/DevOps场景

收藏
9.2k
安装
2.7k
版本
1.0.0
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

FixClawd 采用七级递进式修复流程,从记忆模式匹配到一次性脚本编写,严格遵循优先级顺序,绝不随意猜测:

1. 第0步:记忆模式匹配 — 快速检索历史相似问题(置信度>80%可加速后续步骤)
2. 第1步:问题理解 — 强制确认关键信息完整性,缺失则停止推进

3. 第2步:官方方案优先 — 通过 Brave API 搜索官方文档、GitHub Issues、Release Notes

4. 第3步:ClawdHub 技能匹配 — 搜索现有可复用 Skill(≥70%匹配度优先推荐)

5. 第4步:Skill 创建评估 — 通用性问题触发定制化 Skill 开发

6. 第5步:GitHub 社区方案 — 验证高星、近期活跃项目的 workaround

7. 第6步:一次性脚本 — 需用户明确授权,含详细注释、安全检查、回滚建议

显著优点

  • 认知处理增强:集成多阶段 pipeline,支持紧急度分级(P0/P1/P2)、置信度评估(高/中/低)、跨来源验证
  • 防御性设计:信息不完整时强制暂停,关键决策点标注置信度,脚本编写作为最后手段
  • 可复用性建设:推动问题转化为 Skill,积累组织知识资产

潜在局限

  • 流程刚性可能导致简单问题响应偏慢
  • 重度依赖外部搜索工具(Brave API)可用性
  • 一次性脚本的幂等性依赖开发者经验

适合人群

SRE、DevOps 工程师、系统管理员、技术团队 Lead,以及需要可审计、可复现修复流程的企业环境。

常规风险

  • 搜索结果的时效性偏差(需人工复核)
  • 用户误授权执行一次性脚本
  • 记忆系统匹配错误导致的方案偏差

system-repair-expert 内容

examples文件夹
手动下载zip · 11.4 kB
usage_examples.mdtext/markdown
请选择文件