凌晨三点的告警谁来接：OpenOcta运维数字员工的7×24值班方案
凌晨三点手机突然响了，又是服务器告警。磁盘满了，日志堆积，服务快挂了。你爬起来 SSH 登录，查日志、清理文件、重启服务，忙完一套流程往往就睡不着了。半夜被叫醒、手动处理告警、反复执行巡检脚本，这些琐碎但关键的工作占掉了大量时间。AI Agent 火了很久，但通用框架解决不了运维的专业需求——告警要自动处理、危险命令需要审批、巡检要定时执行。
最近在 GitHub 刷到一个叫 OpenOcta 的项目，专门为运维场景打造。上线两个月，Star 数已经冲到 2.4K，累计下载超过 60K。
从通用到垂直
通用 AI Agent 框架虽然强大，但通用和专业之间隔着一道场景深度的鸿沟。OpenOcta 专门为运维场景深度定制，内置了 Prometheus 告警处理、定时巡检、运维专家 Skill、危险操作审批等运维专属能力。告警要能自动处理、危险命令必须审批、巡检要定时执行、token 成本要可控，这些都是运维专属的需求。
AI Agent 的竞争正在从谁的模型更强转向谁更懂用户的工作流。通用 Agent 解决的是能不能用的问题，垂直 Agent 解决的是好不好用的问题。
为什么选 Go 语言
OpenOcta 用 Go 重写了整个后端。运维环境服务器多、网络复杂、很多机器连桌面都没有，对稳定性要求极高。Go 编译出来就是一个二进制文件，没有运行时依赖，内存占用低，而且 Go 的并发模型天然适合运维场景——同时处理多个告警、并行执行巡检任务、高并发的消息推送。前端通过 go:embed 打包进二进制，一个文件就是全套，下载一个文件就能跑，对运维人来说太友好了。
国产大模型支持
OpenOcta 直接把国产大模型做了首要支持，像 MiniMax、火山方舟、阿里百炼、Kimi，开箱即用。不需要代理，API Key 填进去就能跑，数据全程不出内网。
数字员工：运维工程师的 AI 分身
OpenOcta 最大的亮点是数字员工（Digital Employee）设计。传统 AI 助手是"帮你做事"，你问一句它答一句，但运维场景不一样，半夜三点服务器告警了你不可能随时在线，需要的是能"替你做事"的数字员工。
数字员工有三个关键特性：
- 专业分工，各司其职：你可以创建多个数字员工，每个员工有自己的专业领域。DBA 员工负责数据库巡检、慢查询分析；SRE 员工负责服务器监控、日志分析；Security 员工负责安全扫描、漏洞检测。v0.2.7 版本开始，定时巡检任务可以指定由哪个数字员工执行
- 7×24 小时待命：配置好告警接入和定时任务后，数字员工会一直在后台运行。凌晨 3 点刚好收到告警，它自动分析、生成处置建议并推送到你配置的企业微信群或飞书群。定时巡检也没问题，也能定时将结果推到群里面
- 持续学习，越用越懂你：数字员工会记住你的运维习惯和项目特点，哪些告警是误报、哪些操作需要审批、你的服务器架构和常用命令。这些知识会沉淀在 L2 项目持久记忆里，跨会话复用
运维场景深度适配
告警自动处理：OpenOcta 提供 /hooks/alert 接口，能直接接入 Prometheus。告警进来后，Agent 会自动解析内容、关联历史事件、生成处置建议，推送到飞书或微信群。
定时巡检：内置 Cron 调度，打开页面里配一下就行，每天自动跑，结果自动推到 IM 里。v0.2.7 还支持指定数字员工执行，数据库巡检用 DBA 员工，服务器巡检用 SRE 员工。
运维专家 Skill：官方提供了几十个现成的专家技能包，比如 MySQLOps 专门处理 MySQL 的事，安装直接把 zip 文件上传就行，常见运维操作都封装好了。
危险操作审批：OpenOcta 给危险操作加了人工审批，Agent 不能绕过这个机制，针对运维场景做了更严格的安全策略，保证关键操作运维能知道并确认。
Skylark 机制：省 token
运维场景的巡检任务需要密集执行，token 消耗会非常夸张。传统 Agent 每次对话都会把完整的 skill 列表、工具描述、历史对话一股脑塞给模型，一天跑几十次巡检每次都全量加载，一个月下来 token 成本比模型 API 本身还贵。
OpenOcta 的思路是 Skylark 机制：第一轮对话只加载最基础的能力，如果发现需要某个 skill，第二轮再按需加载。简单问题少加载，复杂问题多加载。
安装与上手
以 Windows 系统为例，先去官网或 GitHub 下载 Windows 的安装包，执行安装，不报错的话浏览器打开 http://127.0.0.1:18900 就能进控制台。
第一件事是配模型。如果你有火山方舟或阿里百炼的 API Key，在"模型"页面添加厂商填进去就行；没有的话 MiniMax 有免费额度可以先用。
配好模型之后，在对话界面输入"帮我检查一下本机的磁盘使用情况"，Agent 会调用内置的 Shell 工具执行命令，把结果整理成易读的格式返回。
以前让通用 AI Agent 帮你做运维，它只能凭通用知识来猜，半夜告警来了它可能给你一堆理论分析，但不知道该执行什么命令。有了 OpenOcta，相当于给 AI 配了一套运维专用工具箱，它知道告警怎么处理、巡检怎么执行、危险命令要审批、token 成本要控制。数字员工设计让每个运维工程师都能拥有专业的 AI 分身，7×24 小时替你值班。
开源版本基于 GPLv3 协议开源。他们也有团队版，适用于中大型企业、多 BU、强合规场景，包含多租户/多组织管理、模型与 Token 级治理、资源市场生命周期管理。
项目地址：https://github.com/openocta/openocta