监控

栈

Prometheus → Grafana (Dashboard)
    ↓
AlertManager → n8n → GitHub Issues + Telegram
    
Loki (Logs) → Grafana
Tempo (Traces) ← OpenTelemetry → Grafana

端点

智能自愈 (AI SRE)

系统集成了基于 LLM 的 AI SRE 诊断机制对应 infra-k8s-sre 任务

1. 自动感知通过 Prometheus 接口实时监控集群健康
2. 深度溯源当告警触发时SRE Agent 自动拉取 Loki 日志 和 Tempo 链路追踪 数据
3. 根因分析AI 分析异常模式如 OOM, CrashLoopBackOff 或网络延迟
4. 决策执行产出修复方案并通过 kubernetes 技能尝试自动重启扩容或回滚 | Tempo | https://tempo.yldm.tech | | OTLP | https://otlp.yldm.tech |

OpenClaw → Tempo

OpenClaw 通过 diagnostics-otel 插件将 traces/metrics/logs 导出到 Tempo可在 Grafana 中查看 agent 执行链路

巡检 Cron