AI Agent + crontab 怎么用？让服务器每天自动生成巡检结果

每天手动敲命令看服务器状态太累，还容易漏掉关键报错。主机选这篇教程教你用 AI Agent 配合 crontab，让 VPS 每天自己“体检”并生成一份可读性强的巡检报告。这不仅是运维自动化的入门，也是 VPS部署AI工具 的典型实战场景，能帮你从繁琐的日志中解放出来。

核心思路：VPS部署AI工具做自动巡检

其实不需要复杂的 n8n 流水线或 Docker 容器，一个简单的 Python 脚本就能充当轻量级 AI Agent。整个流程分三步：Shell 脚本抓取系统指标 -> Python 脚本读取指标并调用大模型 API -> 将 AI 分析结果发送给管理员。这种方式资源占用极低，适合 1GB-2GB 内存的 VPS 长期运行。

你需要准备一个 API Key，推荐使用 DeepSeek 或 OpenAI 兼容接口，价格便宜且上下文理解能力强。确保 VPS 能访问公网 API 地址。

编写数据采集脚本

先写个 Shell 脚本把 CPU、内存、磁盘和最近的错误日志抓出来。别抓太多，上下文长度有限，而且 Token 也是钱。我们只关注最近 1 小时的关键指标。

创建 `collect_info.sh`：

#!/bin/bash
echo "=== System Check Time: $(date) ==="

echo "— CPU & Memory —"
uptime
free -h

echo "— Disk Usage —"
df -h | grep -E '^/dev/'

echo "— Recent Errors —"
journalctl -n 50 –no-pager | grep -iE "error|fail|fatal" || echo "No obvious errors found."

给脚本执行权限：

chmod +x collect_info.sh

Python脚本调用AI Agent接口

这里的 Agent 本质是一个带 System Prompt 的 LLM 调用。它负责阅读上面的原始数据，判断服务器是否健康，并给出建议。

创建 `ai_report.py`：

python
import os
import subprocess
import requests
import json

API_KEY = "YOUR_API_KEY_HERE" # 建议使用环境变量 import os; os.getenv('LLM_API_KEY')
API_URL = "https://api.deepseek.com/chat/completions" # 示例地址，以实际为准

def get_system_data():
"""执行 shell 脚本获取原始数据"""
result = subprocess.run(['./collect_info.sh'], capture_output=True, text=True)
return result.stdout

def ask_ai_agent(data):
"""调用 AI 模型进行分析"""
prompt = f"""
你是一个资深 Linux 运维专家。请分析以下服务器巡检数据：

{data}

要求：
1. 判断服务器当前状态是否健康（CPU、内存、磁盘）。
2. 指出日志中是否有严重错误，如果有，请分析可能原因。
3. 用简练的中文输出报告，不要废话，直接给结论。
"""

headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}

payload = {
"model": "deepseek-chat", # 根据实际 API 调整模型名
"messages": [
{"role": "system", "content": "你是一个专业的运维助手，输出格式为纯文本总结。"},
{"role": "user", "content": prompt}
],
"temperature": 0.3
}

try:
response = requests.post(API_URL, headers=headers, json=payload, timeout=30)
response.raise_for_status()
return response.json()['choices'][0]['message']['content']
except Exception as e:
return f"AI Agent 调用失败: {str(e)}"

if __name__ == "__main__":
raw_data = get_system_data()
report = ask_ai_agent(raw_data)
print(report)

测试运行一下，确保能连通 API 并返回结果：

python3 ai_report.py

配置Crontab定时任务

crontab 是 Linux 的定时任务管家。编辑定时任务时，务必使用绝对路径，因为 crontab 的环境变量和你登录 Shell 时不一样。

crontab -e

添加以下任务，设定为每天早上 8 点执行一次：

cron
0 8 * * * cd /root/scripts && /usr/bin/python3 /root/scripts/ai_report.py >> /var/log/server_ai_check.log 2>&1

注意：
* `cd /root/scripts`：先进入脚本目录，防止找不到 `collect_info.sh`。
* `>> /var/log/server_ai_check.log`：把 AI 的输出记录到日志文件里，方便事后查看。
* `/usr/bin/python3`：使用绝对路径调用 Python。

老鸟叮嘱：安全与稳定性

1.API Key 别硬编码：生产环境千万别把 Key 写死在脚本里。建议在 crontab 里定义环境变量，或者创建一个只读的配置文件，防止脚本被入侵后泄露 Key。
2.日志脱敏：如果 `journalctl` 里包含数据库密码或用户隐私，务必在 `collect_info.sh` 里用 `sed` 或 `grep -v` 过滤掉。别把敏感数据喂给 AI。
3.设置超时：Python 脚本里的 `requests.post` 必须加 `timeout`。万一 API 服务商抽风，脚本卡住会一直占用 VPS 资源。
4.别用 root 跑：如果只是普通巡检，建议创建一个普通用户专门跑这个脚本，只给必要的 `sudo journalctl` 权限，降低风险。

常见问题排查

Q: crontab 执行了，但没生成报告？
A: 先看 `/var/log/syslog` 或 `/var/log/cron` 里的报错。90% 的情况是路径不对或权限不足，检查脚本是否有 `x` 权限。

Q: AI Agent 返回的内容太乱？
A: 调整 System Prompt，增加约束条件，例如“输出格式必须为：1.状态 2.风险点 3.建议”。Temperature 参数调低到 0.1-0.3 减少幻觉。

Q: 本地部署 Ollama 可以代替 API 吗？
A: 可以，但内存要求高。如果你的 VPS 只有 1GB 内存，跑本地大模型会直接 OOM（内存溢出），建议还是用 API 调用型。

Q: 如何把报告发到微信或钉钉？
A: 在 Python 脚本末尾增加 `requests.post` 调用 Webhook 地址即可。这是自动化工作流里最常用的通知方式。

Q: 磁盘日志太大怎么办？
A: 写一个 `logrotate` 配置文件，或者直接在 crontab 里加一行每周清理日志的任务，防止占满磁盘。

这种“土法炼钢”的 AI Agent 部署虽然简陋，但胜在实用。它把枯燥的日志翻译成人话，让运维工作从“找问题”变成了“看结论”。只要配置得当，它能成为你最可靠的服务器管家。