Files
buryan-infra/ops/V1.1-AND-V2-PLAN.md

10 KiB
Raw Permalink Blame History

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