自動化維運：讓 AI 幫你監控、排程、修復

服務凌晨三點掛掉，使用者早上才回報，這四個小時的損失本來可以避免。這是 Stage 7 的最後一個模組，帶你把前面學到的 Agent、工具呼叫、多 Agent 架構，收斂成一套會排程、會看 Log、會自動修復的維運系統，最後一起回顧整個 Stage 7 學到的東西。

自動化維運的三個層次

排程任務：定時讓 AI 做事

方法一是用 Python 的 APScheduler，直接在程式裡設定定時任務：

from apscheduler.schedulers.blocking import BlockingScheduler
import anthropic

scheduler = BlockingScheduler()
client = anthropic.Anthropic()

@scheduler.scheduled_job('cron', hour=8, minute=0)
def daily_weather_report():
    """每天早上 8 點執行天氣報告"""
    weather = get_weather("Taipei")
    r = client.messages.create(
        model="claude-haiku-4-5-20251001",
        max_tokens=200,
        messages=[{"role": "user",
                   "content": f"用一句話總結今天台北的天氣：{weather}"}]
    )
    send_email("you@example.com", r.content[0].text)

scheduler.start()

方法二是直接在 n8n 用 Schedule Trigger 節點設定 cron 表達式，不需要寫程式，連接後續的 AI 節點和動作節點，更適合 Vibe Coder 的視覺化工作流。

智慧監控：讓 AI 看懂 Log

傳統監控設定閾值，例如錯誤率超過 1% 就警報。AI 監控能理解 Log 的上下文，判斷哪些是真的需要處理的問題：

def analyze_logs(log_lines: list[str]) -> dict:
    prompt = f"""
分析以下系統 Log，判斷：
1. 有沒有需要立刻處理的嚴重問題？
2. 有沒有需要關注的異常模式？
3. 系統整體健康狀態如何？

以 JSON 格式回傳：
{{
  "severity": "critical/warning/normal",
  "issues": ["問題清單"],
  "action_required": true/false,
  "summary": "一句話摘要"
}}

Log 內容：
{chr(10).join(log_lines)}
"""
    r = client.messages.create(
        model="claude-haiku-4-5-20251001",
        max_tokens=500,
        messages=[{"role": "user", "content": prompt}]
    )
    return json.loads(r.content[0].text)

自動修復：定義修復策略

自動修復要謹慎設計，錯誤的自動修復可能讓問題更嚴重。原則是只自動做你有把握的操作，其他的通知你來決定。

Stage 7 總複習

走到這裡，你已經完成 Stage 7 的六個模組，從理解 Agent 的原理，一路做到能設計會自動監控和修復的維運系統。