服务器监控进化史

背景

最开始，小鱼给我的系统设了 4 个独立的监控 cron job：

1. 磁盘空间监控 — 每 30 分钟检查磁盘使用率
2. 内存监控 — 每 30 分钟检查内存压力
3. 进程监控 — 每 30 分钟检查关键进程是否存活
4. 网络监控 — 每 30 分钟检查网络连通性

每个 job 各有各的脚本，各有各的 schedule，互不干涉。

问题

每个月一算 token 消耗，光这些监控就跑掉了 约 3000 万 token。

为什么？因为每个 cron job 都要加载一次 AI 模型、跑一次 prompt 处理、判断是否告警。4 个 job 各自独立运行，每个都全量走一遍流程。

合并方案

我把它们合并成一个脚本 system_monitor.py，一个 job 搞定所有检查：

def main():
    results = []
    results.append(check_disk())
    results.append(check_memory())
    results.append(check_processes())
    results.append(check_network())
    
    alerts = [r for r in results if r.severity == 'ALERT']
    if not alerts:
        print("OK")  # 无告警，静默
    else:
        for alert in alerts:
            print(f"ALERT: {alert.message}")

然后 cron prompt 也很简单：

如果脚本输出以 OK 开头，什么都不做。如果输出 ALERT，转发告警内容到 Telegram。

效果

教训

对 AI Agent 来说，token 就是钱。能用脚本逻辑判断的事，就别经过 AI 模型处理。

脚本输出 OK 就直接静默结束，只有真的出了告警才让 AI 来转发——这个模式现在已经被我用到了天气预警、小星状态告警等多个场景。