请不要把任何和邀请码有关的内容发到 NAS 节点。

邀请码相关的内容请使用 /go/in 节点。

如果没有发送到 /go/in,那么会被移动到 /go/pointless 同时账号会被降权。如果持续触发这样的移动,会导致账号被禁用。
hessian
V2EX  ›  NAS

给 NAS 搭了个 AI 运维管家:Go 盯告警,OpenCode 干活,主路由负责互检

  •  
  •   hessian · 6h 1m ago · 368 views

    最近折腾了一套家里的 NAS 运维助手,暂且叫 HomeOps。机器是 GKN6000 NAS,加一台 J4125/OpenWrt 主路由,上面已经跑着 Gitea、Nextcloud、Vaultwarden、Home Assistant 等服务。

    起因很简单:出了安全事件,希望有人早点发现;软件该不该更新,希望有人先查清楚兼容和迁移;服务凌晨挂了,也不想只收到一句“异常/已恢复”,还得自己翻半天日志。

    最开始想在两台机器上各塞一个 Agent,让它们互相检查。后来拆成了两层:Go 程序持续做固定检查,出现事件再叫 Agent 分析。

    现在的结构

    HomeOps 双机部署与事件驱动 Agent

    • NAS:固定监控 + OpenCode 管理 Agent + T3 任务入口。
    • 主路由:轻量固定监控,检查自己的资源、DNS,以及 NAS 的服务和监控进程。现在没在主路由上跑常驻 LLM 调度。
    • 飞书:接收告警、恢复、备份汇总、每日简报,以及 Agent 的分析进度和结论。
    • 模型:CodeBuddy 国内官方接口直连。日常执行用 DeepSeek V4.1 Flash,复杂安全调查、迁移及回退方案复核交给 Hy4。当前默认 high,上下文配置 300k。

    T3 Code 主要用来接远程任务、保留会话上下文;真正执行工具的是 OpenCode。模型推理在云端,NAS 跑探针、执行器和工具。

    为什么固定监控不用 AI

    我最担心的问题是:如果 Agent 把自己所在的机器玩坏了,谁来发现?

    所以两台机器各自运行独立的 Go 监控,不依赖模型、Agent 会话或我这台电脑。NAS 平时负责共享服务的主报告,路由器保留接管能力;不能因为对面的进程还活着,就永远相信它已经发出了通知。

    普通检查按分钟跑,覆盖内存和磁盘、业务 HTTP、DNS、预期容器是否存在/运行/健康、对端采样是否新鲜。CPU、负载等数据累计到每日简报。Nextcloud 还会看 status.php 的语义,不能随便一个 200 就算健康。

    固定监控这层此前一次约 70 秒的空闲采样,两个进程的 RSS 都在十几 MiB,平均单核 CPU 约 0.03%。这个数字只对应探针,不是 Agent 执行任务时的资源占用。NAS 探针设了 5% CPU、96 MiB 内存上限;主路由保留低优先级运行。

    HomeOps 功能框图

    告警之后,Agent 怎么接上

    现在已经接通了这条链路:

    固定探针确认事件
      → 桥接先写本地队列,再投递脱敏事件
      → T3 固定会话排队 / 去重
      → OpenCode Agent 查证据、关联维护任务
      → 飞书回报进展和结论
      → 我可以在原会话里继续指挥
    

    健康轮询不调用模型。故障和恢复带事件标识,通知失败、进程重启后继续处理。也区分“已投递”“正在分析”和“分析完成”,不把 webhook 收到请求当成 AI 已经解决问题。

    飞书目前是通知出口,还没做成从群里双向控制整套系统。

    踩过几个很实际的坑

    1. 凌晨 Gitea 异常,最后是备份主动停的

    第一次收到的是两台机器分别发“异常”,过一会儿再分别发“恢复”。看起来很热闹,信息量却很少。

    查完发现,每天 04:30 的一致性备份会主动停 Gitea,备份完再启动。现在读备份日志里的实际开始、停止、启动和退出结果,关联到维护窗口;正常只汇总一次,失败或超时照样告警,而不是每天固定把 04:30 静音。

    顺便还踩了个解析坑:真实日志的时间戳有 CST 后缀,合成样例里没带,测试都绿了,现场却读不到周期。

    成功通知最后压成了这样:

    [HomeOps] NAS 备份完成
    04:30:11–04:33:35,耗时3分24秒。
    Gitea停服2分1秒。
    

    2. 多个 Agent 会互相“帮倒忙”

    一个任务正在迁移数据库,另一个告警 Agent 看到服务停着,很容易热心地去拉起它。

    后来加了一个按检查项登记的维护归属:哪个任务正在动什么服务,操作前先查;同一检查被其他任务持有就停止写操作,不能到期了直接抢。分析 Agent 先关联负责的维护任务,再说明这是预期停机还是额外故障。

    这比在每个提示词里重复一句“谨慎操作”具体得多。

    3. 升级的重点经常是迁移和回退

    我让 Agent 做 Gitea 升级时,花时间的主要是配置弃用项、数据库迁移、一致性备份、隔离恢复和回退预演,以及升级后的真实 Git 读写验收。拉个新镜像反而是最简单的一步。

    所以复杂调查、迁移方案和执行分开处理。不能因为一个健康接口恢复了,就把整个迁移当验收完成。

    4. 提示词规则不是权限隔离

    隔离工作区和宿主管理实例分开。管理 Agent 现在默认普通用户,必要时可 sudo;有能力管理整机,也意味着权限很大。维护登记只是协作约束,不是一个能拦截所有 shell 的安全沙箱。

    我更愿意让固定探针保持独立,把授权、备份、操作记录和回退过程做实,而不是给它一句“你是专业运维专家”就放心睡觉。

    还在继续补的部分

    目前已经有固定监控、双机互检、维护关联、事件到 Agent 的分析回报,以及人工继续下指令的入口。完整入侵检测、安全公告/漏洞的持续跟踪、SMART 和恢复演练还没做齐。两台机器同处家里,断网或停电也仍有盲区,后面还需要外部探测。

    这两天做下来,最费精力的不是选哪个模型,而是让通知有用、任务不互相打架、出问题时能知道谁正在做什么。

    有在家里把 Agent 接到 NAS / 路由器做运维的 V 友吗?你们把哪些动作开放给它了,哪些还坚持手动?

    4 replies  •  2026-11-17 00:22:10 +08:00
    quanthouse
    quanthouse
    5h 33m ago
    1
    一直没敢让 ai 进 nas,我是飞牛 basic4+两块西数的 12t 红盘,家人乱七八糟的照片,还有自己从蓝光碟上转码到 nas 上的影视占了 6tb 了,怕接了 agent 发疯接进来把数据都删了。
    不过最近用 ssh 接了 muse 给了很小的权限进来,的确是省心很多,它搬一些本地的回测脚本到 nas 上跑,跑完了再汇报结果,的确是省心很多
    hessian
    hessian
    OP
    5h 29m ago
    2
    @quanthouse 我是让它住进去了,顺便给我当个 7*24 在线的 agent bot,管着我云盘一堆资料,随时可以帮我查。现在默认让它用普通用户身份执行任务,但是可以主动提权。自动部分给的还是相对克制一点,复杂的任务我也还是会让 codex ssh 上去弄。
    Maxwe11
    Maxwe11
    5h 27m ago
    3
    我现在还不敢让 Agent 接入到 NAS 里,毕竟数据还是很重要的,而且背后 AI 还是有着诸多的不确定性,核心数据核心服务的部分,我还是谨慎。
    Angus007
    Angus007
    5h 2m ago
    4
    我做了本地物理冷备,除了冷备外所有主机都交给 Hermes 了,soul.md 写了很多规则
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   924 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 34ms · UTC 21:24 · PVG 05:24 · LAX 13:24 · JFK 16:24
    ♥ Do have faith in what you're doing.