Install
openclaw skills install @thcjp/docker-ctl-tool-proopenclaw skills install @thcjp/docker-ctl-tool-pro功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。
本平台为企业运维团队提供全功能的容器诊断能力。相比免费版,PRO版新增批量检查、智能诊断、历史分析、远程管理和合规检查等高级功能,全面满足企业级容器运维的复杂需求. PRO版完全兼容免费版单容器检查命令,升级后原有检查工作流可直接使用.
| 功能 | 免费版 | PRO版 |
|---|---|---|
| 检查范围 | 单容器 | 批量+全主机 |
| 诊断方式 | 手动查看 | 智能诊断+根因分析 |
| 历史分析 | 不支持 | 趋势+容量预测 |
| 远程管理 | 不支持 | 多主机统一管理 |
| 合规检查 | 不支持 | 合规检查+漏洞 |
| 健康评分 | 不支持 | 综合评分系统 |
| 自动修复 | 不支持 | 修复建议+一键执行 |
| 报告导出 | 不支持 | PDF/Excel报告 |
处理: 解析PRO版功能增强对比的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回PRO版功能增强对比的响应数据,包含状态码、结果和日志.
用input_params参数进行配置.
处理: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回核心功能执行的响应数据,包含状态码、结果和日志.
input_params参数,支持创建/查询/导出操作用config_options参数进行配置.
处理: 解析参数配置与调用的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回参数配置与调用的响应数据,包含状态码、结果和日志.
config_options参数,支持修改/重置/导入操作
能力覆盖范围:本skill的核心能力覆盖以下场景关键词:企业级容器诊断平、支持批量检查、历史分析与远程管、面向企业运维团队、的容器诊断平台、Podman、Docker、支持批量、容器检查、智能异常诊断、历史趋势分析、远程主机管理与安、Use、when、需要安全检测、合规审计、质量检查、加密防护时使用、不适用于安全评估、未授权目标、适用于独立开发者、企业团队和自动化、工作流场景等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.用户输入:"检查所有服务器上的容器健康状况"
# 批量巡检所有主机
python3 (请参考skill目录中的脚本文件) inspect-all \
--hosts all \
--output inspection_report.pdf
# ...
# 输出包含:
# - 各主机容器总览
# - 异常容器列表
# - 健康评分排名
# - 资源使用热点
# - 修复建议清单
用户输入:"web-app容器频繁重启,帮我诊断"
# 智能诊断
python3 (请参考skill目录中的脚本文件) diagnose \
--name web-app \
--host 192.168.1.10 \
--deep
# ...
# 输出:
# === 诊断报告: web-app ===
# 症状: 容器在过去1小时内重启15次
# 根因分析:
# 已知限制
# 2. OOM Killer终止进程
# 修复建议:
# 1. 增加内存限制至1GiB
# 2. 检查应用内存泄漏
# 3. 优化JVM参数
# 健康评分: 35/100 (差)
用户输入:"审计所有容器的安全配置"
# 合规检查
python3 (请参考skill目录中的脚本文件) audit \
--hosts all \
--standards "CIS,NIST" \
--output security_audit.pdf
# ...
# 输出包含:
# - 以root运行的容器
# - 未限制资源的容器
# - 挂载敏感目录的容器
# - 网络配置风险
# - 镜像漏洞汇总
# 依赖说明
pip install -r requirements_pro.txt
# ...
# 配置远程主机
cp config_pro_template.yaml config_pro.yaml
# 填入各主机SSH凭证
# 批量巡检
python3 (请参考skill目录中的脚本文件) inspect-all --hosts all --output report.pdf
# ...
# 智能诊断
python3 (请参考skill目录中的脚本文件) diagnose --name web-app --deep
# ...
# 历史分析
python3 (请参考skill目录中的脚本文件) history --name web-app --days 30
python3 (请参考skill目录中的脚本文件) forecast --metric memory --days 90
# ...
# 合规检查
python3 (请参考skill目录中的脚本文件) audit --hosts all --standards "CIS"
# ...
# 远程管理
python3 (请参考skill目录中的脚本文件) remote exec --host 192.168.1.10 --command "podman ps"
# ...
# 健康评分
python3 (请参考skill目录中的脚本文件) score --hosts all
pro_config:
engine: "auto" # auto | podman | docker
# ...
hosts:
- name: "web-server-01"
address: "192.168.1.10"
ssh_key: "$HOME/.ssh/id_rsa"
user: "root"
- name: "db-server-01"
address: "192.168.1.20"
ssh_key: "$HOME/.ssh/id_rsa"
user: "root"
# ...
inspection:
batch: true
parallel: 5
timeout: 60
schedule: "0 2 * * *" # 每日凌晨2点巡检
# ...
diagnosis:
deep_analysis: true
root_cause: true
auto_suggest: true
history_compare: true
# ...
history:
storage: "数据库"
retention_days: 365
metrics: ["cpu", "memory", "network", "io", "restarts"]
# ...
forecast:
enabled: true
model: "arima"
forecast_days: 90
alert_threshold: 0.8 # 预计80%时告警
# ...
audit:
standards: ["CIS", "NIST", "PCI-DSS"]
schedule: "weekly"
auto_remediation: false
# ...
scoring:
enabled: true
weights:
health: 0.3
resource: 0.2
security: 0.3
stability: 0.2
# ...
report:
formats: ["pdf", "excel", "html"]
template_dir: "./templates"
| 实践领域 | 建议做法 |
|---|---|
| 巡检策略 | 每日自动巡检,每周深度审计 |
| 诊断流程 | 先智能诊断定位根因,再手动验证 |
| 容量预测 | 关注内存与磁盘趋势,提前扩容 |
| 合规检查 | 及时修复高危项,定期复查 |
| 健康评分 | 低于60分的容器需立即处理 |
免费版命令 → PRO版命令(增强):
ctl.py ps --all → ctl_pro.py inspect-all --hosts all
ctl.py logs --name web → ctl_pro.py diagnose --name web --deep
ctl.py stats → ctl_pro.py history --days 30 + forecast
智能诊断基于容器指标、日志模式和已知故障库进行根因分析。对于常见问题(OOM、端口冲突、配置错误)准确率较高。复杂问题仍需人工介入验证.
PRO版支持最多50台远程主机的统一管理。通过SSH连接执行远程命令,所有结果汇总到中央服务器.
PRO版默认保存365天历史数据。数据存储在数据库中,支持趋势分析和容量预测.
检查容器是否以root运行、资源限制是否配置、是否挂载敏感目录、网络配置是否安全、镜像是否有已知漏洞等。支持CIS、NIST等合规标准.
综合健康状态(30%)、资源使用(20%)、安全配置(30%)和运行稳定性(20%)四个维度,加权计算0-100分。低于60分标记为不健康.
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
| Python | 运行时 | 必需 | 系统安装或conda环境 |
| paramiko | Python库 | 必需 | pip install paramiko(SSH远程) |
| psycopg2 | Python库 | 可选 | pip install psycopg2-binary(历史存储) |
| pandas | Python库 | 可选 | pip install pandas(数据分析) |
| statsmodels | Python库 | 可选 | pip install statsmodels(预测模型) |
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,参考国内替代方案 |
| 风险类型 | 防范措施 |
|---|---|
| API密钥泄露 | 通过环境变量配置,禁止硬编码到代码或配置文件中 |
| 命令执行风险 | 仅执行白名单命令,避免拼接用户输入到命令行参数中 |
| 网络通信安全 | 使用HTTPS协议,验证SSL证书有效性 |
| 敏感数据暴露 | 输出结果中不包含密钥、令牌等敏感信息 |
使用前请确认已阅读依赖说明章节,确保运行环境满足安全要求。