AI BetaAI generatedPreviewDownload

Prometheus 告警规则生成器

为 API、基础设施、Kubernetes、数据库、队列生成 Prometheus alert rules YAML。

示例

生成类型

生成需求

Generated YAML

预览

预览结果会显示在这里。

下一步可以继续

把生成结果带到相关工具里继续预览、转换或排查。

AI 图表生成器

用自然语言生成可编辑 Mermaid 图表，并在导出前完成预览和 review。

打开

Mermaid AI 修复器

用 AI 修复 Mermaid 语法错误，并在发布前检查图表语义和可读性。

打开

架构图生成器

用 AI 从产品或系统说明生成 Mermaid 架构图。

打开

使用方法

1描述服务、症状、指标和严重级别模型。
2生成 YAML 后检查 expr、for、labels、annotations 和 runbook 文案。
3提交前用 Prometheus 或 promtool 验证规则。
4结合历史数据调阈值，让告警反映用户影响，而不是正常波动。

常见场景

Prometheus 告警初始化API SLO 告警Kubernetes 告警规则Runbook 文档可观测性套件生成

常见问题

什么样的告警规则才有用？

有用的告警应该描述用户影响，有足够持续时间避免噪音，包含负责人标签，并告诉响应者下一步去哪看。

每个指标尖峰都要告警吗？

不需要。优先对持续错误率、延迟、不可用等用户症状告警，探索性指标放在 dashboard 里。

生成的规则如何验证？

使用 promtool 检查，在 Prometheus 里测试表达式，对比历史数据，并让实际响应团队 review annotations。

Prometheus Alert Rule Generator 用来生成 API 延迟、错误率、实例可用性、Kubernetes、数据库、队列和基础设施饱和度的 YAML 告警规则。

好的告警不只是 PromQL，还应该包含持续时间、严重级别、标签、注释和清晰的 runbook 提示。

生成 YAML 只能作为起点，仍需要结合真实指标测试并调阈值，避免告警噪音。

Demo：带上下文的 API 错误率告警

实用告警需要把表达式和响应上下文放在一起。annotation 应该告诉人发生了什么、从哪里开始查，而不是重复指标名。

尽量用比例，避免流量变化扭曲告警。
加 for 持续时间，避免短暂发布抖动触发。
统一 service、severity 和 runbook 标签。

groups:
  - name: api.rules
    rules:
      - alert: ApiHighErrorRate
        expr: sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m])) > 0.05
        for: 10m
        labels:
          severity: page
          service: checkout
        annotations:
          summary: "Checkout API 5xx error ratio is above 5%"
          runbook: "Check recent deploys, dependency errors, and upstream payment latency."

生成结果应该先可读、可 review，然后再进入 promtool 验证。

告警调优：让生成的规则真正可行动

AI 生成的告警规则只能作为起点。启用前需要调整阈值、for 时长、labels 和 annotations，让值班同学知道哪里坏了、该看什么。

用 for 避免短暂毛刺直接分页。
labels 要足够稳定，方便路由和去重。
annotations 中写清 dashboard、runbook 和 PromQL 含义。

- alert: ApiHighErrorRate
  expr: sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m])) > 0.05
  for: 10m
  labels:
    severity: page