4. 自动化联动场景总览：告警触发→机器人通知→Runbook执行→故障自愈→闭环反馈

本章从全局视角梳理值班机器人自动化联动的完整链路。一个成熟的故障响应体系不是孤立工具的堆叠，而是将告警感知、通知触达、预案执行、恢复操作、结果反馈五个环节串成一条自动化闭环。理解这个总览，是后续深入每个环节配置与调优的前提。

4.1 五阶段职责与关键组件

每个阶段在自动化链路中承担不同职责，依赖的组件和技术栈也各有侧重。下表梳理了各阶段的核心任务、典型工具及输出产物。

4.2 联动流程的三种典型模式

根据故障场景的紧急程度和自动化成熟度，联动流程通常分为以下三种模式。理解它们的差异有助于合理设计 Runbook 触发策略。

• 全自动模式（无人值守）：告警触发后，机器人直接调用 Runbook 执行自愈，无需人工确认。适用于明确已知恢复步骤且误判风险低的场景，如磁盘空间清理、服务进程重启。
• 半自动模式（人工确认）：机器人通知告警并附带“执行/忽略”按钮，值班人员点击确认后才触发 Runbook。适用于需要人工判断的场景，如数据库主从切换、大流量降级。
• 建议模式（智能推荐）：机器人推送告警时自动展示匹配的 Runbook 摘要和执行预期，值班人员可一键执行或修改参数后执行。这是兼顾效率与安全的推荐模式。

4.3 闭环反馈的关键数据流

闭环反馈不是简单的“发一条消息”，而是将自愈结果结构化地写回多个下游系统，确保故障处理可追溯、可审计。典型的数据流包含以下三个方向：

1. 告警系统回写：自愈成功后调用 Alertmanager API 将告警标记为“已恢复”，避免持续告警轰炸；若自愈失败，则升级告警级别或触发人工介入。
2. 工单系统同步：自动在 Jira 或类似系统中创建/更新故障工单，记录告警详情、执行人（机器人）、执行结果、耗时等字段，满足 ITIL 合规要求。
3. 知识库沉淀：将本次故障的告警特征、匹配的 Runbook、执行结果、人工备注写入 Confluence 或内部 Wiki，形成可搜索的故障案例库。

4.4 联动流程的 SLA 指标参考

为了量化自动化联动的效果，建议对每个阶段设定可观测的 SLA 指标。下表给出了生产环境的参考值，实际可根据业务容忍度调整。