没预算买 DataDog?我把一个 Python 脚本扔进容器,照样用 AI 排查线上问题

公司有 Grafana、有 ELK，大部分问题看几眼监控就能定位。但总有一些场景，监控帮不了你——你得 kubectl exec 进容器，结合日志和运行时代码一起看，甚至那个服务你压根不熟、连源码都没有。

排查时真正痛苦的不是「没有工具」，而是「不记得该跑什么命令」「跑了也不一定看得懂」「来回切窗口手忙脚乱」。

于是我写了 Poor Man's DevOps Agent：把一个 80KB 的 agent.py 扔进容器，配上任意 OpenAI 兼容的 LLM 地址，就能用自然语言对话式排查问题。

花小钱办大事。没预算买 DataDog？扔上去一个脚本照样能 Debug。

它怎么工作

你描述现象，它像运维工程师一样先形成假设，再用最小的只读命令逐个验证，命中就深挖、没命中就换假设：

你：帮我看看这个容器为什么 CPU 这么高Agent：先形成假设——① GC 停顿 ② IO 瓶颈       验证①：top       CPU 89%、内存 45%，假设①命中，继续深挖       docker exec py-spy dump --pid 1       抓到线程停在 gc.collect，根因是内存泄漏触发频繁 GC       建议查看 app.py 的对象缓存逻辑，已把该服务 OOM 阈值写入记忆

为什么值得一看

• 单文件、零依赖
  ：scp agent.py 进容器，标准库就能跑，Python 2.7 和 3.x 都兼容。不装 node、不装 CLI、不引一堆依赖。
• 不绑厂商
  ：任何 OpenAI 兼容 API 都能用——DeepSeek、通义千问、智谱 GLM、Kimi、豆包、讯飞星火，或者本地部署的 Ollama、vLLM。公司内网的私有模型也行。
• 三层安全防护
  ：这是敢把它带进生产的关键——rm -rf /、mkfs、dd of=/dev/ 这类危险命令直接硬拦截；只有白名单内的命令能执行；cat/grep/ps 这类只读命令免确认直接放行，其余需人工确认。LLM 不会因为幻觉把你的生产环境删了。
• 借鉴 Claude Code 的核心思路
  ：流式输出（边生成边显示）、LLM 摘要式上下文压缩（长对话不丢语义）、TodoWrite 任务追踪、工作区持久化记忆（排查结论跨会话累积）、斜杠命令。

它和 Claude Code 的区别

不是要复刻 Claude Code。Claude Code 是日常开发的主力工具，大而全；这个项目是应急时塞进容器的那一个脚本，只做「只读排查」这一件事，做到极致轻。借鉴它的思考方式，但用完就删，避免 API Key 泄露。

说点实在的局限（不忽悠）

它不是生产级常驻服务，是临时排查工具；LLM 给的分析只是参考，不保证 100% 正确，关键决策还得你自己判断；涉及写操作的命令务必人工确认后再执行。它解决的是「非运维背景的同学临时需要进容器排查」这个场景，不是要替代 DataDog 或专业监控。

怎么用

curl -fsSL https://raw.githubusercontent.com/vector4wang/poor-mans-devops-agent/main/agent.py -o agent.pyexport DEBUGBOT_API_URL="https://your-llm/v1/chat/completions"export DEBUGBOT_API_KEY="sk-xxxxx"export DEBUGBOT_MODEL="deepseek-chat"python agent.py

GitHub：https://github.com/vector4wang/poor-mans-devops-agent

如果对你有帮助，欢迎 Star，也欢迎提 Issue 和 PR 一起完善。