[SPRINT-V1] План V1.1 (10 пунктов) и Sprint V2 (6 направлений роста сервера)

This commit is contained in:
root committed 2026-11-06 01:03:14 +03:00
1 parent 28fd9fb98c
commit cb0299e11d
1 file changed
+147
+147
View File
@@ -0,0 +1,147 @@
# V1.1 и Sprint V2 — куда расти
Дата: 06.11.2026 · Состояние V1: **закрыт на 8 из 9 пунктов**, работает автономно.
---
# Часть 1. Где мы сейчас (факты)
| Что работает | Проверка |
|---|---|
| 20 заданий Hermes (гигиена 07:20, развитие 08:10, доверие 08:00, сводка 08:05, исследование 08:15, ночной анализ 03:00) | `jobs.yaml` |
| RAG-память: 752 документа, 3090 чанков | `ops/rag/index.db` |
| Автовосстановление: `onboot=1` у всех CT + VM104, таймер подъёма | загрузка ~30 с вместо 9 минут |
| L2-автономия: 5 действий агент делает сам | `policy.yaml`, `dry_run: false` |
| Проверка фактов LLM: ночной отчёт, 0 выдуманных сущностей | `ops/night/report-*.md` |
| Гигиена: 18 проверок, дубли по роли | `report-2026-11-06.md` |
**Боевые проверки LLM (сегодня):**
| Тест | Результат | Вывод |
|---|---|---|
| RAG-вопрос про chronyd | ✅ 57 с, ответ верный, источники указаны | годится |
| Классификация инцидента Radarr | ⚠️ дал `docker start CT118` — фактическая ошибка (CT — это LXC, не docker) | **только с проверкой** |
| Ночной анализ с проверкой фактов | ✅ 0 выдуманных сущностей | годится |
**Вывод по LLM:** 7B на CPU годится для **суммаризации и поиска**, **не годится для решений** без человека. Так и заложено.
---
# Часть 2. V1.1 — что добавить (10 пунктов, по приоритету)
## 1. Гибридный поиск по логам (не только по документации)
Сейчас RAG ищет по `.md`-файлам. Надо индексировать **журнал событий** (journald, Hermes events), чтобы агент отвечал «что было 3 дня назад в 4 утра».
**Срок:** 1 день. **Ценность:** высокая.
## 2. Индекс «здоровья» сервиса (одно число)
Для каждого сервиса: доступность за 7 дней × свежесть бэкапа × наличие SSO × число инцидентов. Одна таблица — сразу видно, что хромает.
**Срок:** 1 день. **Ценность:** высокая.
## 3. Дашборд в Grafana для агентского слоя
Сейчас агент работает «в темноте»: отчёты в файлах. Нужны панели: действий за сутки, успешность, бюджет, отказы предохранителей.
**Срок:** 0.5 дня. **Ценность:** средняя.
## 4. Уведомления с приоритетом (1–3 в день)
Сейчас уведомления идут пачками. Нужен фильтр: «требует решения сегодня» против «просто факт», плюс тихие часы.
**Срок:** 1 день. **Ценность:** высокая (это прямо в цели V1).
## 5. Автоматическое восстановление сервисов внутри CT
После жёсткого сброса docker-контейнеры (Sonarr/Radarr) не стартуют. Нужен `docker_start` в автоподъёме.
**Срок:** 0.5 дня. **Ценность:** высокая.
## 6. Проверка «что сломается, если остановить»
Для каждого сервиса — карта зависимых. Уже есть `topo_query blast`. Надо встроить в отчёт развития: «остановка X затронет Y сервисов».
**Срок:** 0.5 дня. **Ценность:** средняя.
## 7. История инцидентов (эпизодическая память с поиском)
Отдельная таблица: время, сервис, симптом, что сделали, помогло ли. Агент учится на своих действиях.
**Срок:** 1 день. **Ценность:** высокая.
## 8. Проверка конфигурации перед изменениями (dry-run diff)
Перед любым изменением compose/конфига — показать diff и запросить подтверждение.
**Срок:** 1 день. **Ценность:** средняя.
## 9. Резервный LLM-путь
Если mini-PC недоступен (как сегодня), RAG должен работать в режиме «только ключевые слова» без эмбеддингов.
**Срок:** 0.5 дня. **Ценность:** высокая (сегодня был реальный сбой).
## 10. Документация для семьи
«Что делать, если…» на 1 страницу: свет, интернет, сервер не отвечает. Сейчас знания только у вас.
**Срок:** 0.5 дня. **Ценность:** высокая.
---
# Часть 3. Sprint V2 — новый уровень сервера
## Идея V2: «сервер, который не просто работает, а объясняет и предсказывает»
V1 отвечает на вопрос «что сломано». V2 должен отвечать: **«что сломается и когда»**.
### Направление A. Предиктивная диагностика
| Что | Как |
|---|---|
| Диск кончится через N дней | линейная экстраполяция роста + алерт за 14 дней |
| Память: тренд | скользящее среднее, алерт при росте >5 %/неделю |
| Сервис деградирует | сравнение p95 времени ответа с базовой линией |
| Бэкап не пройдёт | проверка размера и места до запуска |
**Нужно:** Prometheus уже есть (35 целей), нужны запросы + агент, который их читает.
### Направление B. Самолечение на основе истории
Сейчас агент действует по правилам. В V2: **похожий инцидент → известное решение**.
- Таблица «симптом → действие → результат» (пункт 7 из V1.1)
- При повторе: применить решение сразу (L3), если оно срабатывало 3+ раза
- Порог доверия растёт автоматически
### Направление C. Экономика инфраструктуры
- **Стоимость сервиса**: RAM × часы × цена киловатта + диск
- Отчёт: «эти 5 сервисов потребляют 40 % памяти и не используются»
- **Энергопотребление**: счётчик из ИБП (когда появится) → реальные цифры
### Направление D. Безопасность как процесс
| Что | Как |
|---|---|
| Инвентаризация экспозиции | какие порты торчат наружу, какие должны |
| Проверка обновлений с CVE | GitHub API + NVD, отчёт «обнови это» |
| Проверка секретов | регулярный поиск «забытых» ключей в конфигах |
| Проверка прав | кто имеет доступ к чему (Authentik API) |
### Направление E. Второй контур (устойчивость)
Сейчас всё на одном сервере. V2:
- **Критичные сервисы** (Authentik, Gitea, hub-core) → реплика на VPS
- **Read-only зеркало** для восстановления
- **Проверка восстановления** раз в месяц (реально поднять из бэкапа в изолированном CT)
### Направление F. Голос и присутствие
Уже есть hub-core `/voice`. V2: «Секретарь, что с сервером?» голосом, ответ голосом. И уведомления в Telegram для семьи.
---
# Часть 4. Что предлагаю делать в первую очередь
| Приоритет | Что | Зачем |
|---|---|---|
| **1** | V1.1 п.9 — резервный LLM-путь | сегодня был реальный сбой, RAG лежал |
| **2** | V1.1 п.5 — автозапуск docker внутри CT | после сброса Sonarr/Radarr не поднимаются |
| **3** | V1.1 п.4 — приоритизация уведомлений | цель V1: 1–3 алерта в день |
| **4** | V2-A — предиктивный диск/память | самое частое, что реально ломается |
| **5** | V2-B — история инцидентов | основа самолечения |
---
# Часть 5. Чего НЕ делать (честно)
- **Не заменять 7B на 14B** на этом железе: будет 4 ток/с, станет хуже, чем сейчас.
- **Не включать L3–L4** без истории успехов: правила есть, статистики нет.
- **Не добавлять новые сервисы** на Proxmox: память на пределе (10/15 ГиБ), swap 8.3 ГБ занят.
- **Не трогать SSO** без явного согласования: уже был инцидент.
---
_Файл: `ops/V1.1-AND-V2-PLAN.md` · Автор: агент · Проверка: все цифры из живых отчётов_