AI 反哺运维 · 第1篇摘要：凌晨两点告警炸群，交易服务 CPU 打满 90%，订单开始超时。以前这种 P0，我得爬起来翻pg_stat_statements、对着执行计划猜根因，折腾大半小时。这次我直接把排查活丢给了一个接了数据库的 Agent——8 分钟它就把那条"按备注模糊搜订单"的慢 SQL 拎了出来。下面是完整过程，含能跑的代码和 4 个真踩过的坑。大家好，我是程序猿Joe。上周三凌晨两点，手机在枕头边震得跟拖拉机似的。点开一看，监控群红了：交易核心服务 CPU 90%，订单接口 P99 从 200ms 飙到 3 秒，已经有商户在群里骂娘了。换以前，我得强撑着爬起来，连上跳板机，先top看进程，再进数据库翻pg_stat_statements找最耗 CPU 的查询，对着EXPLAIN ANALYZE的执行计划一条条猜"哪条没走索引"。这一套下来，快则二十分钟，慢则天亮。但那天我没急着敲命令。上个月我把一个 Agent 接进了我们这套排查链路（数据库、监控、日志全接了），这次正好拿真事故练手。结果它 8 分钟就把根因甩我脸上：一条新上的"按备注搜订单"的查询，用了LIKE '%关键词%'，直接全表扫，高峰期把 CPU 干爆了。这篇文章就把怎么搭这个"排查 Agent"、中间踩了哪些坑、以及它