基于AI 文本生成的自动化Linux 运维文档系统

概述

本项目以 RHCE核心知识点为基础，结合硅基流动开源大模型 API，构建一套自动化 Linux 运维文档生成系统。
系统可定时采集 Linux 服务器的核心运维数据（系统配置、资源状态、服务运行情况、故障日志等），通过硅基流动大模型自动生成结构化、符合 RHCE 规范的 Markdown 格式运维日报，同时支持文档自动备份，全程无需人工干预。
核心价值：替代人工编写运维文档，提升运维效率；融合 Linux 系统管理与 AI 文本生成技术，贴合企业 "运维 + AI" 的技术落地需求。

系统需求

功能需求：

① 自动采集 Linux 服务器基础信息、硬件资源、服务状态、故障日志等运维数据；

② 调用硅基流动 API，将采集数据转化为结构化 Markdown 运维日报；

③ 配置定时任务，每日自动执行数据采集、文档生成、远程备份；

④ 保障系统安全，实现密钥隔离、文件权限管控、SELinux 策略加固。

RHCE 核心知识点

本项目核心复用 RHCE 以下关键技能，是系统落地的基础：

知识点	应用场景
Shell 脚本编程	编写运维数据采集脚本，实现命令输出格式化、特殊字符处理
Cron 定时任务	配置每日自动执行的任务调度，实现无人值守运行
文件权限 / SELinux 管理	管控运维数据、文档、脚本的访问权限，加固系统安全
Rsync 远程备份	将生成的运维文档备份至远程服务器，防止数据丢失
防火墙配置	开放硅基流动 API 的网络访问权限，限制非法请求

硅基流动大模型 API

硅基流动（SiliconFlow）是开源大模型一站式部署 / 调用平台，支持 Qwen-2、DeepSeek、Llama 3 等主流开源模型，其 API 兼容 OpenAI 接口格式，无需复杂开发即可快速集成。
核心优势：
- 7B/9B 量级模型永久免费，满足中小企业 / 个人使用需求；
- 中文优化效果好，对 Linux 运维术语（如 SELinux、firewalld）适配性强；
- API 调用流程简单，兼容 OpenAI SDK，开发成本低。

项目流程

第 1 步：写 Shell 脚本 → 采集 Linux 服务器信息

作用：自动收集服务器的所有运维数据

干什么：
- 采集 CPU、内存、磁盘、网络、进程、端口、日志等信息
- 把信息整理成标准格式（JSON）
- 方便后面 AI 读取

第 2 步：写 Python 脚本 → 调用 AI 生成文档

作用：把机器数据 → 变成人类能看懂的专业运维文档

干什么：
- 读取上一步采集的 JSON 数据
- 发给 AI 大模型（硅基流动 / OpenAI）
- AI 自动生成清晰、规范的 Markdown 运维报告

第 3 步：写总调度脚本、配置自动备份 → 把前面两步串起来

作用：**一键运行整套流程。**把文档同步到另一台机器

干什么：
- 先运行采集脚本
- 再运行 AI 生成文档脚本
- 自动保存生成好的文档
- 用 rsync 把生成的文档传到备份服务器
- 确保数据多份留存

第 4 步：配置定时任务 → 让系统每天自动跑

作用：真正实现 "全自动"

干什么：
- 用 cron 设置每天 / 每周自动执行
- 不用人管，系统自己采集、生成、备份

项目实施

环境搭建

安装2台虚拟机及RHEL9.3系统
关闭selinux

vim /etc/selinux/config

关闭防火墙

[root@localhost ~]# systemctl status firewalld
修改主机名

报告采集机（192.168.88.131）：

[root@localhost ~]# hostnamectl set-hostname server
[root@localhost ~]# bash

备份机（192.168.88.132）：

[root@localhost ~]# hostnamectl set-hostname backup
[root@localhost ~]# bash
报告采集机: 下载所需软件

[root@server ~]# yum install vim tar tree net-tools openssh -y

[root@server ~]# yum install -y python3 python3-pip jq rsync -y

[root@server ~]# pip install requests python-dotenv openai
项目目录创建

报告采集机（192.168.88.131）

[root@server ~]# mkdir -p /opt/ai_ops_doc/{scripts,data,docs,backup}

[root@server ~]# tree /opt/ai_ops_doc
/opt/ai_ops_doc
├── backup
├── data
├── docs
└── scripts
创建运维组并配置权限

[root@server ~]# groupadd ops
[root@server ~]# chown -R root:ops /opt/ai_ops_doc
[root@server ~]# chmod -R 750 /opt/ai_ops_doc
[root@server ~]# ll /opt/ai_ops_doc

报告备份机（192.168.88.132）

复制代码

[root@backup ~]# mkdir   /backup   # 新建用于存储备份数据的目录

报告采集机需要免密登录到备份机

定为报告采集机(192.168.88.131)

[root@server ~]# ssh-keygen -t rsa

一路回车

[root@server ~]# ssh-copy-id 192.168.88.132

第一次需要输入yes和132机子的root账户登录密码

获取硅基流动 API Key

网址：

访问硅基流动官网（https://siliconflow.cn），手机号注册并完成实名认证

登录后进入 "API 密钥"→"新建 API 密钥"，填写密钥名称并保存

配置环境变量存储密钥（避免硬编码）

复制代码

[root@server ~]# echo "SILICONFLOW_API_KEY=你的硅基流动API密钥" > ~/.env
[root@server ~]# chmod 600 ~/.env  # 仅当前用户可读

[root@server ~]# cat  .env
OPENAI_API_KEY=sk-tcycgun.......xowmzacaaxpppzqkyiuppu

第一步、编写 Shell 数据采集脚本

创建/opt/ai_ops_doc/scripts/collect_data.sh，实现运维数据采集与 JSON 格式化：

复制代码

[root@server ~]# vim  /opt/ai_ops_doc/scripts/collect_data.sh

#!/bin/bash
set -e  # 遇到错误立即退出
DATA_DIR="/opt/ai_ops_doc/data"
DATA_FILE="${DATA_DIR}/ops_data_$(date +%Y%m%d).json"

# 确保数据目录存在
mkdir -p ${DATA_DIR}

# 安全采集函数：处理特殊字符与空值
safe_collect() {
    local cmd="$1"
    output=$(eval $cmd 2>/dev/null || echo "")
    # 处理转义换行、制表符、双引号等特殊字符
    echo "$output" | sed -e 's/\n/ /g' -e 's/\t/ /g' -e 's/"/\\"/g' -e 's/  */ /g' | xargs
}

# 生成合法JSON文件
cat > ${DATA_FILE} << EOF
{
    "采集时间": "$(date +'%Y-%m-%d %H:%M:%S')",
    "系统版本": "$(safe_collect 'cat /etc/redhat-release')",
    "内核版本": "$(safe_collect 'uname -r')",
    "主机名": "$(safe_collect 'hostname')",
    "磁盘使用情况": "$(safe_collect 'df -h | grep -v tmpfs | grep -v loop')",
    "内存使用情况": "$(safe_collect 'free -h')",
    "CPU负载": "$(safe_collect 'uptime | awk "{print \$8,\$9,\$10}"')",
    "关键服务状态": "$(safe_collect 'systemctl list-units --type=service --state=running | grep -E "sshd|httpd|nginx|firewalld|crond"')",
    "防火墙规则": "$(safe_collect 'firewall-cmd --list-all --zone=public')",
    "近24小时故障日志": "$(safe_collect 'journalctl --since "24 hours ago" --priority=err | head -20')"
}
EOF

# 权限配置
chmod 640 ${DATA_FILE}
chown root:ops ${DATA_FILE}

# 验证JSON格式
if jq . ${DATA_FILE} &>/dev/null; then
    echo "JSON数据采集成功：${DATA_FILE}"
else
    echo "JSON格式错误，文件内容："
    cat ${DATA_FILE}
    exit 1
fi

执行

[root@server ~]# chmod 750 /opt/ai_ops_doc/scripts/collect_data.sh

[root@server ~]# bash /opt/ai_ops_doc/scripts/collect_data.sh
JSON数据采集成功：/opt/ai_ops_doc/data/ops_data_20260126.json
查看采集内容

[root@server ~]# cat /opt/ai_ops_doc/data/ops_data_20260126.json
{
"采集时间": "2026-01-26 14:12:39",
"系统版本": "Red Hat Enterprise Linux release 9.3 (Plow)",
"内核版本": "5.14.0-362.8.1.el9_3.x86_64",
"主机名": "server",
"磁盘使用情况": "文件系统容量已用可用已用% 挂载点 /dev/mapper/rhel-root 15G 6.1G 8.6G 42% / /dev/sda2 960M 260M 701M 27% /boot /dev/sda1 300M 7.0M 293M 3% /boot/efi /dev/sr0 9.9G 9.9G 0 100% /run/media/root/RHEL-9-3-0-BaseOS-x86_64",
"内存使用情况": "total used free shared buff/cache available Mem: 1.9Gi 1.1Gi 76Mi 15Mi 841Mi 752Mi Swap: 4.0Gi 677Mi 3.3Gi",
"CPU负载": "average: 0.00, 0.03,",
"关键服务状态": "crond.service loaded active running Command Scheduler firewalld.service loaded active running firewalld - dynamic firewall daemon sshd.service loaded active running OpenSSH server daemon",
"防火墙规则": "public (active) target: default icmp-block-inversion: no interfaces: ens160 sources: services: cockpit dhcpv6-client ssh ports: protocols: forward: yes masquerade: no forward-ports: source-ports: icmp-blocks: rich rules:",
"近24小时故障日志": ......
}

第二步、编写 Python AI 文档生成脚本

在硅基流动网站选择合适的模型

创建/opt/ai_ops_doc/scripts/generate_doc.py，调用硅基流动 API 生成运维文档：

[root@server ~]# vim /opt/ai_ops_doc/scripts/generate_doc.py

import os
import json
import grp
from dotenv import load_dotenv
from datetime import datetime
from openai import OpenAI

加载硅基流动配置

load_dotenv("/root/.env")
SILICONFLOW_API_KEY = os.getenv("SILICONFLOW_API_KEY")
SILICONFLOW_BASE_URL = "https://api.siliconflow.cn/v1"
MODEL_NAME = "deepseek-ai/DeepSeek-R1"

def load_ops_data():
"""加载运维数据"""
data_date = datetime.now().strftime("%Y%m%d")
data_file = f"/opt/ai_ops_doc/data/ops_data_{data_date}.json"
复制代码
```
  if not os.path.exists(data_file):
      return {"error": f"数据文件不存在：{data_file}"}
  if os.path.getsize(data_file) == 0:
      return {"error": "数据文件为空，请重新执行采集脚本"}
  
  try:
      with open(data_file, "r", encoding="utf-8") as f:
          return json.load(f)
  except json.JSONDecodeError as e:
      return {"error": f"JSON解析失败：{str(e)}"}
  except Exception as e:
      return {"error": f"读取文件失败：{str(e)}"}
```
def generate_prompt(ops_data):
"""生RHCE运维日报提示词"""
if "error" in ops_data:
prompt = f"""请以资深RHCE工程师身份，根据以下错误信息生成故障排查文档（Markdown格式）。要求内容专业严谨、语言简洁规范，除必要Linux命令外均用中文，包含"错误描述""原因分析""具体解决过程""验证方法"四部分，解决过程步骤清晰、符合RHCE运维逻辑，可直接落地执行。

错误内容：{ops_data['error']}"""
else:
prompt = f"""请以资深RHCE工程师身份，基于以下Linux服务器采集数据，生成一份结构化运维日报，格式为Markdown。要求内容专业严谨、语言简洁规范，除必要的Linux命令外，其余表述全部使用中文，问题分析需附带具体解决过程，完全贴合企业RHCE运维标准。

核心要求

1. 文档结构

严格包含五大模块，顺序不可调整：
- 标题：格式为"Linux服务器运维日报 - 采集日期"（采集日期取自数据中的"采集时间"字段）；
- 采集信息：汇总服务器基础信息（主机名、系统版本、内核版本）及采集时间，清晰罗列；
- 系统状态总结：整体评估服务器运行状态（正常/存在风险/异常），概括核心资源（磁盘、内存、CPU）占用情况及关键服务运行状态；
- 问题分析：从故障日志及资源状态中提取所有关键问题，每个问题需包含"问题描述""风险等级"（低/中/高）"具体解决过程"三部分，解决过程需步骤清晰、可落地，符合RHCE运维逻辑；
- 优化建议：基于RHCE规范，针对服务器当前状态给出可执行建议，覆盖磁盘清理、服务调优、防火墙规则优化、安全加固等维度，建议需对应实际场景，不空洞。
2. 问题分析细则
- 风险等级判定标准：高风险（影响业务运行、服务器稳定性，需立即处理）、中风险（不影响核心业务，但存在潜在隐患，需24小时内处理）、低风险（仅为优化项，不影响服务器运行，可定期处理）；
- 解决过程需包含"问题定位步骤→操作命令→验证方法"，命令需标注用途，操作逻辑符合RHCE故障排查流程（如先排查日志、再定位原因、最后执行修复并验证）。
3. 内容规范

语言简洁无冗余，避免口语化表述，专业术语使用准确（如"防火墙"统一指firewalld，"SELinux"不简写），Markdown格式排版整齐（标题层级分明、列表有序，关键信息可加粗）。

服务器采集数据

{json.dumps(ops_data, ensure_ascii=False, indent=2)}"""
return prompt

def call_siliconflow_api(prompt):
"""调用硅基流动API"""
try:
client = OpenAI(
api_key=SILICONFLOW_API_KEY,
base_url=SILICONFLOW_BASE_URL
)
response = client.chat.completions.create(
model=MODEL_NAME,
messages=[{"role": "user", "content": prompt}],
temperature=0.3,
max_tokens=2000
)
return response.choices[0].message.content
except Exception as e:
return f"API调用失败：{str(e)}"

def save_doc(content):
"""保存Markdown文档（修复组GID获取逻辑）"""
doc_date = datetime.now().strftime("%Y%m%d")
doc_file = f"/opt/ai_ops_doc/docs/ops_report_{doc_date}.md"
复制代码
```
  # 写入文档内容
  with open(doc_file, "w", encoding="utf-8") as f:
      f.write(content)
  
  # 设置文件权限（只读给组，仅root可写）
  os.chmod(doc_file, 0o640)
  
  # 修复：获取ops组GID（增加容错）
  try:
      # 使用grp模块获取组信息（标准方法）
      ops_gid = grp.getgrnam("ops").gr_gid
  except KeyError:
      # 若ops组不存在，默认使用root组（GID=0）
      ops_gid = 0
      print(f"警告：未找到ops组，文档文件将归属root组（GID=0）")
  
  # 设置文件属主和属组（root:ops 或 root:root）
  os.chown(doc_file, 0, ops_gid)
  
  return doc_file
```
if name == "main":
ops_data = load_ops_data()
prompt = generate_prompt(ops_data)
doc_content = call_siliconflow_api(prompt)
doc_path = save_doc(doc_content)
print(f"文档生成成功：{doc_path}")
print(f"文档预览：{doc_content[:100]}...")
执行结果

[root@server ~]# python3 /opt/ai_ops_doc/scripts/generate_doc.py
文档生成成功：/opt/ai_ops_doc/docs/ops_report_20260126.md
文档预览：```markdown

Linux服务器运维日报 - 2026-01-26

采集信息
- 采集时间: 2026-01-26 14:12:39
- 系统版本: Red Hat...

查看AI反馈的日报结果和运维建议

[root@server docs]# cat /opt/ai_ops_doc/docs/ops_report_20260126.md

markdown 复制代码

# Linux服务器运维日报 - 2026-01-26

## 采集信息
- **采集时间**: 2026-01-26 14:12:39
- **系统版本**: Red Hat Enterprise Linux release 9.3 (Plow)
- **内核版本**: 5.14.0-362.8.1.el9_3.x86_64
- **主机名**: server
- **磁盘使用情况**:
........................

第三步、编写自动化调度脚本

创建/opt/ai_ops_doc/scripts/auto_run.sh，整合采集、生成、备份逻辑：

复制代码

[root@server ~]# vim  /opt/ai_ops_doc/scripts/auto_run.sh

#!/bin/bash
# 日志文件
LOG_FILE="/var/log/ai_ops_doc.log"

# 远程备份配置（替换为实际服务器信息）
REMOTE_IP="192.168.88.132"
REMOTE_DIR="/backup/ops_docs"

# 日志函数
log() {
    echo "[$(date +'%Y-%m-%d %H:%M:%S')] $1" >> ${LOG_FILE}
}

log "开始执行自动化任务"

# 1. 数据采集
if /opt/ai_ops_doc/scripts/collect_data.sh; then
    log "数据采集成功"
else
    log "数据采集失败"
    exit 1
fi

# 2. 文档生成
if python3 /opt/ai_ops_doc/scripts/generate_doc.py; then
    log "文档生成成功"
else
    log "文档生成失败"
    exit 1
fi

# 3. 远程备份
DOC_FILE="/opt/ai_ops_doc/docs/ops_report_$(date +%Y%m%d).md"
if [ -f ${DOC_FILE} ]; then
    rsync -avz ${DOC_FILE} root@${REMOTE_IP}:${REMOTE_DIR} >> ${LOG_FILE} 2>&1
    if [ $? -eq 0 ]; then
        log "文档备份成功"
    else
        log "文档备份失败"
    fi
else
    log "备份失败：文档文件不存在"
fi

log "自动化任务执行完成"

给予可执行权限

[root@server ~]# chmod +x /opt/ai_ops_doc/scripts/auto_run.sh
执行

[root@server ~]# bash /opt/ai_ops_doc/scripts/auto_run.sh
JSON数据采集成功：/opt/ai_ops_doc/data/ops_data_20260126.json
文档生成成功：/opt/ai_ops_doc/docs/ops_report_20260126.md
文档预览：```markdown

Linux服务器运维日报 - 2026-01-26

采集信息
- 采集时间: 2026-01-26 15:16:40
- 系统版本: Red Hat...
查看日志

[root@server ~]# cat /var/log/ai_ops_doc.log
[2026-01-26 15:19:46] 开始执行自动化任务
[2026-01-26 15:19:46] 数据采集成功
[2026-01-26 15:20:07] 文档生成成功
sending incremental file list
ops_report_20260126.md

sent 2,293 bytes received 59 bytes 1,568.00 bytes/sec
total size is 4,199 speedup is 1.79
[2026-01-26 15:20:08] 文档备份成功
[2026-01-26 15:20:08] 自动化任务执行完成

查看备份机的备份内容

[root@backup ~]# ls /backup
ops_docs

第四步、配置定时任务

配置定时任务，每日凌晨 2 点执行：

[root@server ~]# crontab -e

添加以下内容

0 2 * * * /opt/ai_ops_doc/scripts/auto_run.sh >> /var/log/ai_ops_doc.log 2>&1

[root@server ~]# crontab -l
0 2 * * * /opt/ai_ops_doc/scripts/auto_run.sh >> /var/log/ai_ops_doc.log 2>&1

[root@server ~]# tail -f /var/log/ai_ops_doc.log

项目测试

复制代码

[root@server ~]# tree /opt/
/opt/
└── ai_ops_doc
    ├── backup
    ├── data
    │   └── ops_data_20260126.json
    ├── docs
    │   └── ops_report_20260126.md
    └── scripts
        ├── auto_run.sh
        ├── collect_data.sh
        └── generate_doc.py

5 directories, 5 files

基于AI 文本生成的自动化Linux 运维文档系统

概述

系统需求

RHCE 核心知识点

硅基流动大模型 API

项目流程

第 1 步：写 Shell 脚本 → 采集 Linux 服务器信息

第 2 步：写 Python 脚本 → 调用 AI 生成文档

第 3 步：写总调度脚本 、配置自动备份 → 把前面两步串起来

第 4 步：配置定时任务 → 让系统每天自动跑

项目实施

环境搭建

报告采集机（192.168.88.131）：

备份机（192.168.88.132）：

报告采集机（192.168.88.131）

一路回车

第一次需要输入yes和132机子的root账户登录密码

第一步、编写 Shell 数据采集脚本

第二步、编写 Python AI 文档生成脚本

加载硅基流动配置

核心要求

1. 文档结构

2. 问题分析细则

3. 内容规范

服务器采集数据

Linux服务器运维日报 - 2026-01-26

采集信息

第三步、编写自动化调度脚本

Linux服务器运维日报 - 2026-01-26

采集信息

查看日志

查看备份机的备份内容

第四步、配置定时任务

添加以下内容

项目测试

第 3 步：写总调度脚本、配置自动备份 → 把前面两步串起来