彭大帅的AI运维助手——自然语言管理 Linux 集群与网络设备——第 5 篇 · 多模态与虚拟化AI 能「看」图：多模态与虚拟化管理

运维里的「看图需求」

运维排查问题，很大一部分信息是看图：监控平台的 CPU 曲线、系统弹出的报错弹窗、服务器管理页面的状态截图、一张网络拓扑图......这些信息在文本里说不清，但对判断问题却至关重要。

这一篇讲这台程序两件「锦上添花」的能力：一是让 AI 真正能看图片，把监控截图、报错弹窗直接丢给它分析；二是把虚拟化环境（KVM 和 VMware）也收进 AI 能管的范围------毕竟现在绝大多数环境都跑在虚拟机上，虚机本身也是要管的对象。

多模态看图：把截图「翻译」给模型

从「发图」到「看明白」

程序让 AI 看图的思路很直接：把本地图片转成 OpenAI 兼容的多模态消息，拼进对话，交给支持视觉的模型理解。你只需要在命令行输入 /img 图片路径，或在 Web 界面直接上传，就能把一张截图发给 AI。

底层把图片读进来后，转成 base64 的 data URL（data:image/png;base64,....），作为 user 消息里的 image_url 数据块。这是主流多模态模型的通用格式，零额外依赖。

|-----------|---------------------------|
| 项 | 说明 |
| 支持的格式 | PNG、JPG、JPEG、GIF、WebP、BMP |
| 单张上限 | 5MB（base64 后约放大 33%） |
| 调用方式 | CLI 用 /img 路径、Web 上传 |

它真能帮上什么忙

举个例子：监控页面报「内存持续上涨」，你直接把那段曲线截图发给它，它结合上下文帮你判断是不是内存泄漏、该往哪个方向查；或者服务器弹了个诡异的报错窗，截图发过去，它先帮你认一下是什么错误。图片 + 自然语言一起，相当于给 AI 加了一双眼睛，很多「光看文字说不清」的问题就补上了。

虚拟化管理：KVM 与 VMware 两套体系

除了看图，这台程序还能接管虚拟机。它同时支持两套最常见的虚拟化平台，但机制完全不同：

|------------|-------------------|----------------------------|
| 维度 | KVM | VMware Workstation |
| 宿主 | Linux（KVM 宿主机） | 本机（Windows） |
| 执行方式 | 经 SSH 到宿主机跑 virsh | 本机直接调 vmrun |
| 虚机清单 | virsh list --all | vmrun list / vmware.yml |
| 克隆 | virt-clone | vmrun clone |

KVM：经 SSH 远程管理 virsh

KVM 宿主是 Linux，所以程序通过 SSH 连上宿主机，执行 virsh 命令来管理虚机。能力覆盖四块：

|------------|--------------------------------|----------------------------------|
| 能力 | 对应命令 | 说明 |
| 列清单 | virsh list --all | 含状态（running / shut off / paused） |
| 启停控制 | virsh start / reboot / destroy | 生命周期管理 |
| 快照 | virsh snapshot-* | 创建 / 查看 / 删除 |
| 克隆 | virt-clone | 自动复制磁盘并定义新虚机 |

VMware：本机直调 vmrun

VMware Workstation 跑在 Windows 本机，所以程序直接用本机路径的 vmrun 命令行工具。能力除了启停（start/stop/reset/suspend/pause），还有快照与克隆。

这里藏着一个重要的工程细节：快照、克隆这类重 IO 操作，被强制逐台串行执行（模块级锁）。原因是本机硬盘性能不高，如果 AI 同时给多台虚拟机建快照，可能打满 CPU/IO 导致整机死机------这是踩过坑之后总结出的铁律。所以哪怕是能并行的地方，这类危险的重操作也宁可一台一台来。

小结

这一篇讲了两件「锦上添花」的能力：多模态看图，把监控截图、报错弹窗变成 AI 能理解的信息，给它加了一双眼睛；虚拟化管理，把 KVM 和 VMware 两套体系收进自然语言操作，覆盖了现代环境最主要的承载方式。它们和前面几篇的安全、值守理念一脉相承------重 IO 的快照操作宁可串行也不冒险，正因为「稳」永远排在「快」前面。