AI

版本：24.03 LTS SP1
文档中心
AI
使用智能助手 CLI Agent

智能助手 CLI (Witty OpenCode) 智能体介绍 ​

引言 ​

本手册聚焦 智能助手 CLI（ Witty OpenCode ） 智能体能力体系展开全面介绍，智能体系列是 Witty OpenCode 平台面向垂直业务场景打造的智能交互工具，依托专属技术架构与工具能力底座，深度适配业务场景需求，实现轻量化、场景化的智能服务落地。 现阶段 Witty OpenCode 平台已集成 已知问题分析Agent 智能体；已知问题分析Agent是面向日志异常检测、知识库检索与经验技能管理领域的专用工具，其核心优势在于整合日志异常检测全流程管理、轻量化知识检索与经验技能沉淀三大核心能力；已知问题分析Agent将面向已知问题诊断场景开发。手册通过标准化的能力说明与实操案例，为运维人员提供 “即查即用” 的操作指引，助力降低运维门槛、提升运维工作的标准化与高效化水平。

默认智能体总汇表 ​

Agent 名称核心适用场景核心能力模块
已知问题分析Agent日志异常检测 + 轻量化知识检索 + 经验技能管理1. witty_log_detection：日志异常检测全流程工具集
2. light_rag：轻量化知识库管理与检索工具集
3. experience_skill：经验技能管理工具集（Skill + Wiki 全生命周期管理）

已知问题分析Agent ​

已知问题分析 Agent 是集成了 "日志异常检测 + 知识检索 + 经验沉淀" 的一站式诊断中枢。通过整合日志异常检测服务、轻量化 RAG 服务与经验技能管理三类核心能力，实现已知问题诊断场景的全流程覆盖。其中日志异常检测与知识检索采用标准化工具接口，经验技能管理通过 CLI 与 Web 界面提供服务，各模块均具备严格的参数规范与统一的返回格式，可直接集成到运维诊断流程中。 此外，Witty 提供开源运维案例库，可为各类系统故障、性能瓶颈与操作难题提供可复用的排查思路与解决方案。案例库覆盖 openEuler 等主流操作系统场景，包含日志分析、内核问题、网络故障等典型运维场景，用户可直接参考或基于案例二次开发，进一步提升故障定位与解决效率。

核心能力介绍 ​

服务分类工具名称核心功能定位
日志异常检测create_log_parse_task创建多类型日志解析任务
日志异常检测get_task_message查询日志解析任务状态与信息
日志异常检测stop_task终止指定日志解析任务
日志异常检测get_task_result获取日志解析异常结果
轻量化RAGKnowledge_base_manager知识库创建与列表管理
轻量化RAGdocument_manager文档导入与分块解析
轻量化RAGsearch知识库混合检索与线上检索
经验技能管理experience-skill (CLI)Skill/Wiki 经验的全生命周期管理：创建、评估、检索、合并、优化
经验技能管理search-experiences基于 SQLite + FTS5 的全文检索，快速定位 Skill 或 Wiki
经验技能管理add-experiences将 Skill/Wiki 注册到本地经验库，建立全文索引
经验技能管理list-experiences分页浏览已注册经验，支持按类型/名称/热门度筛选
经验技能管理web启动 Web 管理界面，图形化浏览与管理经验

使用案例 ​

以下演示日志异常检测、知识库检索与经验技能管理相关场景，提供自然语言交互 Prompt 格式，关键参数信息即可使用，贴合已知问题诊断实际需求。

  • 场景 ：运维案例导入

    text
    帮我将https://atomgit.com/openeuler/witty-ops-cases/这个仓库的openEuler-test相关案例导入知识库中。

  • 场景 ：问题分析诊断

    text
    我在测试时出现：未检测到org.qemu.guest_agent.0设备；这是什么问题？

  • 场景 ：经验技能检索

    text
    /experience-skill 帮我查询本地知识库有哪些skill

    Agent 会调用 experience-skill search-experiences --query "dnf 冲突" --top-k 5，优先以本地经验内容作为回答依据。

  • 场景 ：将本次排查经验沉淀为 Skill/Wiki

    text
    将本次排查沉淀为 Wiki

    Agent 会调用 create-skill 能力，自动生成标准化 Wiki 文档并注册到经验库。

    生成的 Wiki 文档可以在8080端口查看。

核心能力总览 ​

以下详细列出各核心能力模块及其下属工具/命令的详情。

能力模块列表 ​

端口号服务名称简介
12144witty_log_detection日志异常检测服务，支持日志解析任务创建、任务管理、异常日志查询
12311light_rag轻量化 RAG 服务，支持知识库管理、文档解析、混合语义检索
-experience_skill经验技能管理服务，通过 CLI 与 Web 界面提供 Skill/Wiki 的全生命周期管理（非独立 MCP Server，作为 Skill 能力集成）

能力模块详情 ​

witty_log_detection ​

模块名称工具/命令列表功能说明核心输入参数关键返回内容
witty_log_detectioncreate_log_parse_task日志解析任务创建器。支持多类型检测（关键词/聚类/LLM/嵌入），可指定日志文件、时间范围及异常规则。必填： file_path_list（日志文件路径列表）
可选： task_type（检测类型）、query（异常描述）、max_anomaly_log_count（默认64）、anomaly_keywords、time_start/time_end（YYYY-MM-DD HH:MM）		task_id（uuid4格式任务ID）
witty_log_detectionget_task_message任务信息查询器。查询任务状态、进度、创建时间及参数。必填： task_id（任务ID）task_id、task_name、task_type、completion_percent、status、task_related_params、created_at
witty_log_detectionstop_task任务终止器。终止指定日志解析任务，返回操作结果。必填： task_id（任务ID）success（布尔值，是否成功）
witty_log_detectionget_task_result任务结果获取器。分页查询解析结果，可筛选异常日志。必填： task_id（任务ID）
可选： offset（偏移量）、limit（返回数量）、is_anomalous（仅异常日志）		total（总数量）
results： id、file_path、is_anomalous、content、anomaly_reason、anomaly_score

使用建议 基于HDFS日志数据集对witty_log_detection进行异常日志检测能力测试得到以下使用结论：

  • 基于关键字的检测在关键字匹配的情况下，能够有较高的精确率，但全局召回率偏低，建议在检测特定问题时使用；
  • 基于聚类和embedding的检测在设置较低异常阈值（anomaly_score<40）的情况下，有较高的召回率，建议在检测一般问题时使用；
  • 基于聚类的检测在设置高异常阈值（anomaly_score>90）的情况下也有较高精确率，可以使用与未知但高风险的问题检测；
  • 基于llm的检测在常见日志中有着较好的能力，建议在日常日志中优先使用,针对一些不常见日志，llm的效果较差；
  • 在针对一些不常见日志时，建议新增log_feature模板，用于提取日志中的特征信息，可对检测能力进行增强。

light_rag ​

模块名称工具/命令列表功能说明核心输入参数关键返回内容
light_ragKnowledge_base_manager知识库管理器。支持创建/列出知识库，可配置chunk大小、向量化模型。必填： action（add/list）
创建必填： kb_name（唯一名称）、chunk_size（token数）
可选： embedding_model、keyword（模糊筛选）		success、message
创建： kb_id/kb_name/chunk_size
列出： knowledge_bases/count/keyword
light_ragdocument_manager文档管理器。支持多格式文档导入/解析结果查询，自动分块向量化。必填： action（add/getchunks）、kb_name
导入必填： file_paths（绝对路径列表）
可选： chunk_size（默认知识库配置）		success、message
导入： total/success_count/failed_files
解析： doc_id/doc_name/chunks/count
light_ragsearch混合检索工具。关键词+向量检索，加权排序，支持GitHub线上检索。必填： query（查询文本）、kb_names（知识库列表）
可选： top_k（默认5）、keyword_weight（0-1）、online（GitHub检索）		success、message
data： chunks（含score/doc_name）、count、github_results（线上检索时）

experience_skill ​

experience_skill 是经验技能管理组件，用于统一管理用户工作经验的能力沉淀。支持 Skill（标准化工作流程）与 Wiki（资料文档提炼）两类资源的全生命周期管理，为智能体能力持续迭代升级提供底层支撑。

核心特性：

  • 双模经验管理：支持 Skill（工作流程技能）与 Wiki（资料知识库）两类经验资源
  • 全生命周期覆盖：创建、评估、检索、合并、优化五大标准化能力
  • 高性能全文检索：基于 SQLite + FTS5 + simple 中文/拼音分词器，支持模糊搜索与语义匹配
  • 热门经验追踪：自动标记高频使用经验（同类型 Top 20），支持 LRU 淘汰与按热门度筛选
  • CLI 命令行工具：提供完整的命令行接口，便于集成到自动化流水线
  • Web 管理界面：基于 FastAPI 的图形化管理前端，支持类型筛选、关键词过滤、分页浏览

CLI 命令列表（在 experience_skill/scripts/ 目录下执行）：

子命令用途核心参数
sync同步 data/ 中所有经验到数据库-
add-experiences添加 Skill/Wiki 经验到数据库--type（SKILL/WIKI）、--source（来源路径）
list-experiences分页列出经验，支持类型/名称/热门过滤--type、--name、--is-hot、--page、--page-size
search-experiences全文检索经验（FTS5 + 关键字）--query（关键词）、--type、--top-k
delete-by-ids按 ID 列表删除经验--ids
delete-by-source按来源路径删除经验--source
delete-all清空所有经验数据-
web启动 Web 管理界面--port（默认8080）、--no-browser

Skill 管理能力：

能力说明
create-skill从对话会话中沉淀可复用工作流程，生成标准化 Skill；创建前自动检索查重
eval-skill基于 Skill 内置评测集开展质量核验，综合评估实用性、准确性、完整性与可读性
find-skill结合 SQLite 关键字检索 + FTS5 全文检索，快速定位目标 Skill
merge-skill检索识别相似 Skill，支持多份同质内容合并整合，剔除重复片段
optimize-skill依据质量评估报告迭代优化，更新过期流程、修复代码问题、完善评测用例

Wiki 管理能力：

能力说明
create-wiki对工作查阅的网页、文档等资料进行提炼精简，沉淀为标准化 Wiki；创建前自动查重
eval-wiki通过随机抽样、问答核验等方式，校验 Wiki 召回命中率与内容质量
find-wiki依托数据库检索与全文检索能力，快速筛选、定位所需 Wiki 文档
merge-wiki识别同质化 Wiki 资源，支持多文档合并整编，保留有效内容、剔除重复信息
optimize-wiki根据评估结果迭代优化，包含错误修正、内容补全、格式规整、可读性提升

Web 管理界面：

bash
cd experience_skill/scripts
uv run experience-skill web

默认监听 http://127.0.0.1:8080，支持 --port 和 --no-browser 参数。Web 页面功能包括：

  • 类型筛选：全部 / Skill / Wiki 标签切换
  • 名称搜索：模糊匹配经验名称
  • 关键词过滤：多选关键词标签联动过滤
  • 热门筛选：仅查看热门经验
  • 分页浏览：上一页 / 下一页翻页

数据模型：

表名说明
experience_table经验主表，存储 Skill/Wiki 的元信息（id, type, name, description, status, is_hot, source 等）
keyword_table关键词表，关联经验的标签关键词
experience_ftsFTS5 全文索引虚拟表，对 description 字段建立中文/拼音混合全文索引

Agent 集成方式：

当用户通过 /experience-skill 提出技术问题时，Agent 必须按以下顺序执行：

  1. 提取关键词并检索本地知识库：从用户问题中提取核心关键词，执行 search-experiences 检索 Skill 和 Wiki
  2. 读取并优先使用本地知识：若检索命中，按来源路径读取对应文档，以本地知识库内容作为主要回答依据
  3. 本地知识不足时使用通用知识：若检索结果为空，直接使用自身通用知识回答
  4. 解决全新问题后按需沉淀：解决本地知识库中不存在的全新问题后，可酌情询问用户是否沉淀为 Skill 或 Wiki

遵循 木兰宽松许可证第2版（MulanPSL2）

版权所有 © 2026 openEuler 保留一切权利京ICP备2020036654号-1京公网安备 11030102011597 号
品牌隐私声明法律声明关于cookies
品牌隐私声明法律声明关于cookies
遵循木兰宽松许可证第2版（MulanPSL2）
版权所有 © 2026 openEuler 保留一切权利
京ICP备2020036654号-1京公网安备 11030102011597 号