**重明（Mutong）**的前身叫 resourcemap。它的演进过程，实际上是我在实际运维工作中不断填坑、功能不断生长的过程。
在这个项目中，我做了一个非常彻底的减法：Web 页面上几乎没有任何复杂的操作按钮。
虽然 Mutong 底层支持 12 种复杂的自愈操作（扩缩容、热更新、HPA 管理、版本回滚等），但我选择不把它们做成传统的表单 UI。原因有两个：
- 冠冕堂皇的理由：我认为"API-First"和 Conversational UI（对话式交互）才是未来。与其让用户在一堆下拉框和确认弹窗里找按钮，不如让 AI 听懂人话直接去执行。
- 最真实的理由：我的前端编码能力实在太弱了。 作为一个 SRE，让我写 Go 和写 nGQL 可以，但让我去写几十个带复杂校验的 Vue 表单、调 CSS 样式、处理各种弹窗状态……那简直是折磨。
既然打不过，那就换个打法： 我把这些能力全部封装成 API，交给了 CLI (mutongctl) 和 AI Agent。
- Web 页面回归极简：只保留最擅长的拓扑图（看）、对话（聊）和终端（兜底）。
- 脏活累活交给 CLI：资深运维写脚本比点鼠标快多了。
- 让 AI 充当交互层：用户用自然语言下指令，AI 负责去调那些我没写前端按钮的接口。
这既掩盖了我前端不行的短板，又意外地让产品变得更加"AI Native"了。
核心问题：K8s 集群里的资源越来越多，Pod、Service、Ingress 之间的关系变得难以理清。 解决方案：引入图数据库（NebulaGraph）。
- 初衷：不想只用
kubectl get一条条查，想做全局的拓扑视图。 - 实现：通过 Informer 缓存实时同步 K8s 资源到图数据库，实现资源关联关系查询和前端可视化。
- 产出：解决了资源影响面分析和孤立资源发现的问题。
核心问题：虽然有了拓扑，但处理故障时还需要大量手动敲命令，且告警多时容易漏看。 解决方案：开始尝试把高频运维操作规范化、工具化。
- 告警降噪：基于经验梳理了一些基础的告警过滤规则，缓解"告警风暴"。
- 操作工具化：把常见的 Pod 重启、扩缩容等操作写成了工具接口，不再纯靠 kubectl 手敲。
- 产出：初步积累了运维自动化的经验，意识到"有记录的修复"比"黑盒操作"更安全。
核心问题：自动化解决了操作，但复杂的"根因定位"依然依赖个人经验，MTTR 难以进一步降低。 解决方案：接入 LLM Agent，建立智能诊断闭环。
- 混合诊断：设计"规则快速路径"（低成本）+ "LLM 深度分析"（高精度）的架构。
- MCP 工具服务器：将查询拓扑、日志、指标等 20 个运维动作封装为 MCP 工具，让 LLM 能够自主调用工具排查。
- 知识沉淀：引入 pgvector + NebulaGraph 混合检索，将历史故障向量化，实现相似案例召回。
- 产出：在规则兜底的前提下利用 AI 进行深度分析，将诊断结果转化为可检索的复盘知识。
核心问题：AI 能诊断出根因、能给出修复建议，但"修"这一步还是靠人手动敲命令——诊断和执行之间断链了。而把执行权直接交给 LLM，风险又不可接受。 解决方案：给 MCP 工具服务器加入执行类工具，用"提议-审批"机制把风险关进笼子。
- 工具分两组：
- 安全组（重启 Pod、滚动重启 Deployment、扩缩容）：调用后进入既有门禁——自动模式 + 诊断置信度阈值，全程审计留痕；
- 提案组（改镜像、调资源限制、删除 Pod、回滚版本 rollout undo）：LLM 只能生成待审批提议，任何情况下都不自动执行，必须人工在界面上批准。
- 准入约束：所有执行类工具强制携带告警指纹，没有诊断结果支撑（无置信度）的调用直接拒绝，防止 LLM 凭空操作；同指纹去重，避免审批列表堆重复项。
- 执行后自动验证：执行成功只代表 API 调用成功，不代表业务恢复。系统在每次执行后启动后台验证——轮询 Deployment rollout 完成度或新 Pod Ready 状态（最长 4 分钟），结果回写审计记录并在前端展示徽标。改镜像/调资源这类可回滚动作验证失败时，自动恢复变更前模板，防止"自愈"变"自伤"；其余动作验证失败则标记待人工介入。
- 版本回滚能力：基于 ReplicaSet revision 历史实现 rollout undo（等价 kubectl rollout undo，支持指定版本），补上"改坏了怎么退"的最后一块拼图。
- 自动诊断落库：告警触发的自动诊断结果写入缓存与数据库，自动生成待审批计划，前端点开即用，不再现场重诊。
- 一批真刀真枪的修复：告警自我抑制（抑制规则匹配到自身指纹）、知识库动作与执行枚举对不上、聊天慢诊断被前端超时误掐断、审计表丢失执行参数等。
- 产出：诊断 → 计划 → 审批 → 执行 → 验证 → （失败）自动回滚 → 审计的完整闭环。危险动作的"按钮"还在人手里，但按之前的所有步骤都由系统自动走完。
总结：Mutong 从最初的可视化，演进到自动化、智能化，再到现在的自愈闭环。每一步都是为了解决当时最头疼的实际痛点，而非为了堆砌技术栈。而"放开多少执行权"这道题，答案始终是：让 AI 提议，让人拍板。