n9e-import-prom-rule

name: n9e-import-prom-rule description: | 批量导入 Prometheus 告警规则 YAML 文件（一次性建一组规则）。专用于处理远端 URL 或本地 YAML 文本，自动解析 groups / 纯 rules 数组 / 单条 rule 三种格式。 ⚠️ 不要用这个 skill 做单条创建——用户用自然语言描述一条告警需求时，请改用 n9e-create-alert-rule。 触发：导入 / import / 批量 / URL / .yml 文件 / .yaml 文件 / awesome-prometheus-alerts / node-exporter.yml / prometheus rule file。 examples: - "帮我导入 https://raw.githubusercontent.com/.../node-exporter.yml" - "把这个 yaml 里的告警都建出来" - "导入 awesome-prometheus-alerts 的 mysql 那个文件" - "批量建一组 redis 的告警规则，从这个文件 ..." builtin_tools: - http_fetch - preview_prom_rule_yaml - import_prom_rule_yaml - list_busi_groups - list_datasources tags: - export

Skill: 导入 Prometheus 告警规则

概述

把 Prometheus 官方 rule YAML（含 groups、纯 rules 数组、或单条规则三种形态）批量建到 n9e。典型来源：

• 远端 URL（如 GitHub raw 上的 awesome-prometheus-alerts）
• 用户直接粘贴的 YAML 文本

工作流固定四步：抓 YAML 到文件 → 选业务组 + 数据源 → 预览 → 落库。

⚠️ 核心约束：YAML 文件不进 LLM 上下文。http_fetch 用 save_to_file=true 把内容写到临时文件，后续 preview_prom_rule_yaml 和 import_prom_rule_yaml 都用 payload_file 读这个路径。文件大小可能几 KB 到几 MB，让它进 prompt 会显著拖慢、增加成本，还容易被 LLM 截断改写。

可用工具

执行步骤

第一步：抓 YAML 到临时文件

用户给了 URL —— 一定带 save_to_file=true：

http_fetch(url="https://.../node-exporter.yml", save_to_file=true)

返回是：

{"status_code":200,"content_type":"text/plain","size":8731,"truncated":false,
 "file_path":"/var/folders/.../n9e-aiagent-fetch-xxx.yml"}

记住 file_path，后两步都要用。

用户直接粘贴了 YAML 文本 —— 跳过 http_fetch，直接把文本作为后续工具的 payload 入参传（这种 case YAML 反正已经在上下文里了，没必要再落盘）。

异常处理：

• truncated=true 表示超过 max_bytes（默认 1 MiB）。再调一次 http_fetch(url=..., save_to_file=true, max_bytes=8388608)（8 MiB 是硬上限）。
• status_code 非 2xx：把状态码告诉用户，问要不要换 URL。
• "blocked: ... resolves to non-public address" 这类错误：用户给的是内网地址，让用户把 YAML 内容直接粘过来。

第二步：选业务组和数据源

并发调用（不要串行）：

• list_busi_groups() 查可见业务组。优先 is_default=true 的；只有一个时直接用；多于一个时用 AskUserQuestion 让用户选
• list_datasources(plugin_type="prometheus") 查 Prom 数据源。只有一个直接用；多于一个让用户选

如果用户请求里已经指明了业务组名 / 数据源名，按名称匹配后直接用，不必再问。

第三步：预览

preview_prom_rule_yaml(payload_file=<第一步的 file_path>)

返回是 {total, items:[{name, severity, prom_ql, for_duration_sec, append_tags, annotations}]}。

汇报给用户的话要短，挑前 3-5 条 + 总计就够，不要把所有规则全列出来：

解析到 38 条规则（critical 9 / warning 27 / info 2），例如：

• HostHighCpuLoad (warning, for=0s)
• HostOutOfMemory (warning, for=2m)
• HostOomKillDetected (warning, for=0s) 是否全部导入到业务组「default」的 Prometheus 数据源「prom-prod」？

第四步：落库

用户确认后：

import_prom_rule_yaml(
  group_id=<第二步>,
  datasource_ids="[<第二步 ds id>]",
  payload_file=<第一步的 file_path>
)

datasource_ids 必须是 JSON 数组字符串，比如 "[1]" 或 "[1,3]"。

返回结构：

{
  "total":   38,
  "created": 36,
  "skipped": 2,        // 重名规则，自动跳过，不是失败
  "failed":  0,        // 真正的写入错误（DB/校验等）
  "items": [
    {"name":"HostHighCpuLoad", "status":"skipped_duplicate"},
    {"name":"HostOutOfMemory", "status":"created", "id":177},
    {"name":"BadOne", "status":"failed", "error":"<message>"}
  ]
}

每条规则的 status 三选一：

• created — 新建成功，有 id
• skipped_duplicate — 同名规则已存在，未做任何改动，不需要重试
• failed — 真错误（DB、校验等），看 error

处理重名（重要）

⚠️ 同名规则会被自动跳过（status=skipped_duplicate），不是失败。看到 skipped > 0 时绝对不要用 name_prefix "重试整份 YAML"——那会让已经成功创建的 N 条规则全部多写一份带前缀的副本，造成翻倍数据污染。

正确的汇报方式：直接告诉用户哪几条因重名跳过，让用户决定怎么办：

✅ 已导入 36 条规则。另有 2 条因同名已存在被跳过：HostHighCpuLoad、HostOutOfMemory。 如果想覆盖它们，请到告警规则页面删掉旧的再重新导入；如果想让新旧并存（如做对比测试），可以加 name_prefix 重新导入但要清楚所有 38 条都会被加前缀。

只有用户明确要求并存（极少见的对比测试场景）才用 name_prefix/name_suffix，且要提前告知 LLM 会把全量规则都加前缀。

真正的失败（status=failed）才需要排查

如果出现 status=failed，看 error 字段：常见的有数据源校验失败、字段格式错误等。这些是 YAML 本身或环境问题，name_prefix 治不了。

谨慎模式

用户说"先建好但别启用" → 传 disabled=1。

第五步：输出结果

保持简短：

✅ 已向业务组「default」导入 36 条告警规则。 ⚠️ 2 条因同名已存在被跳过：HostHighCpuLoad、HostOutOfMemory。需要覆盖请在告警规则页面手动删除旧规则后重导。

不要把 36 条规则的 ID 全列出来，前端会用卡片展示。不要主动建议 "用 name_prefix 重试"——除非用户明确要并存。

payload vs payload_file 怎么选

两者二选一，不能同时传（工具会报错）。

severity 映射（自动）

工具自动把 labels.severity 字符串映射到 n9e 的数字：

不需要 LLM 手动转换。

其他 labels 处理

除 severity 之外的所有 labels 会自动拼成 n9e 的 append_tags（格式 k=v，空格会被去掉）。

常见坑

1. datasource_ids 必须是 JSON 数组字符串：传 "[1]"，不是 "1" 或 1。
2. http_fetch 不能抓内网：用户给的是 http://10.x.x.x/... 会直接拒绝。让用户改用公网 URL 或直接粘贴内容。
3. payload_file 必须是 http_fetch 写出来的：tool 会校验路径必须在 os.TempDir() 下且以 n9e-aiagent-fetch- 开头。不能用任意路径。
4. YAML 里的 expr 原样落库：n9e 直接存原表达式（含阈值），不要 LLM 拆 >/< 和阈值。
5. for 字段转秒：5m → 300，1h → 3600。原 YAML 没写 for，n9e 用 0 秒（立即触发）。
6. 不要去查 list_alert_rules 检测重名。直接调 import，按返回的 error 决定是否加前缀重试。

示例对话

用户： 帮我导入 https://raw.githubusercontent.com/samber/awesome-prometheus-alerts/refs/heads/master/dist/rules/host-and-hardware/node-exporter.yml

Thought → 并发抓 URL（存到文件）+ 查业务组 + 查数据源。

Action 1: http_fetch(url="https://...", save_to_file=true) → {file_path: "/var/.../n9e-aiagent-fetch-abc.yml", size: 8731, ...} Action 2: list_busi_groups() → 只有 default Action 3: list_datasources(plugin_type="prometheus") → 只有 prom-prod

Action 4: preview_prom_rule_yaml(payload_file="/var/.../n9e-aiagent-fetch-abc.yml") → 38 条规则

Final answer（预览阶段）:

解析到 38 条规则…… 是否导入到业务组「default」/数据源「prom-prod」？

用户： 嗯

Action 5: import_prom_rule_yaml(group_id=1, datasource_ids="[2]", payload_file="/var/.../n9e-aiagent-fetch-abc.yml")

Final answer:

✅ 已导入 38 条告警规则到「default / prom-prod」。