txcloud-diagnostics（TX 云诊断）

腾讯云云产品诊断

⚠️ 所有脚本在 skill 目录下执行：先 cd skills/txcloud-diagnostics/

诊断流程

Step 1: 预获取

1. 从对话提取产品类型、实例 ID、地域、问题现象、问题时间段（地域和问题时间段缺失必须追问，不得猜测）
2. 通过实例 ID 前缀识别产品（见下方 ID 前缀表），再查产品路由表 → 必须先 read 对应 profile 文件，从中获取 namespace、dimension-key、核心指标。禁止凭记忆填写 namespace/dimension-key，必须从 profile 文件中读取
3. 跨产品场景（如"A 访问 B 超时/报错"）：优先诊断被访问方 B，诊断完 B 后若未找到原因再诊断 A。一次只诊断一个产品
4. 结合 profile 指标决策表 + 用户问题现象，预选 3~8 个诊断指标
5. 执行：

python3 scripts/prefetch.py --instance-id <id> --product <product> \
  --region <region> --namespace <namespace> --dimension-key <dim-key>

• status: "ok" → 进 Step 2
• status: "auth_failed" → 执行凭证授权（见下方），成功后重试
• status: "error" → 根据 message 提示用户

Step 2: 执行诊断

python3 scripts/diagnose.py \
  --instance-id <id> --region <region> \
  --namespace <namespace> --dimension-key <dim-key> \
  --metrics '<指标1,指标2,...>' \
  --problem-start '<ISO8601+08:00>' --problem-end '<ISO8601+08:00>'

可选：--pad-before/--pad-after（默认15分钟），--extra-dims（CCN 等多维度产品必传）。

时间处理：用户说的时间默认为 北京时间（UTC+8），直接用 +08:00 后缀。例：用户说"19点左右" → --problem-start '2026-03-28T18:30:00+08:00' --problem-end '2026-03-28T19:30:00+08:00'。不要做 UTC 转换。

指标选择优先用 profile 决策表，通用匹配：慢→latency、错误→error/fail、流量→traffic/bandwidth、连接→conn。

输出规范：全流程禁止输出中间思考/排查过程。用户只看到以下内容：

• 需要授权时：只输出授权链接 + "请点击登录授权并回复验证码"，不要解释为什么需要授权、不要暴露 tccli 报错信息
• 诊断进行中：不输出任何内容（静默执行），不要说"让我先..."、"正在读取..."、"prefetch 成功"等
• 诊断完成后：只输出最终报告，格式如下：

📋 诊断结论：<一句话结论>

| 实例 | 指标1 | 指标2 | ... | 状态 |
|------|-------|-------|-----|------|
| xxx  | 数据  | 数据  | ... | ✅/❌ |

建议：
1. <具体可执行动作>
2. <具体可执行动作>

禁止：输出思考过程、暴露 tccli/脚本报错细节、重复展示同一数据、编造未查证的信息

诊断失败自纠

当 diagnose.py 返回失败（API错误或数据为空）时，不要直接报错放弃，按以下顺序自主尝试（总耗时不超过 10 分钟，超时如实告知用户当前进展和失败原因）：

1. namespace 不对 → 用 tccli 查实际可用的 namespace：

   tccli monitor DescribeBaseMetrics --cli-unfold-argument --region <region> --Namespace <当前namespace> --output json

如果返回 0 个指标，换同产品的其他已知 namespace 重试（如 TDSQL-C：QCE/CYNOSDB_MYSQL ↔ QCE/TDMYSQL）

1. 实例 ID 格式不对 → 用户给的可能是集群 ID 而非实例 ID，通过产品 API 查询实际实例：

   tccli cynosdb DescribeClusterInstanceGrps --region <region> --ClusterId <集群ID> --output json

从返回的 InstanceSet 中取 InstanceId（如 cynosdbmysql-ins-xxx）

1. dimension-key 不对 → 从 DescribeBaseMetrics 返回的 MetricSet[0].Dimensions 中确认实际维度名

1. 指标名不对 → 从 DescribeBaseMetrics 返回的 MetricSet 中确认实际可用的指标名（注意大小写）

1. 数据为空但无报错 → 该时间段确实没有监控数据（实例空闲/新建/已停机），如实告知用户

凭证授权

当 prefetch.py 返回 auth_failed 时执行：

nohup python3 -u scripts/tccli_auth_daemon.py > /tmp/tccli_daemon.log 2>&1 &
sleep 5 && cat /tmp/tccli_daemon.log && cat /tmp/tccli_auth_link.txt

提取链接生成超链接发给用户一键点击登录。提示用户回传验证码（一段 eyJ... 开头的 base64 长字符串） 授权环节只对用户输出：授权链接 + "请点击登录并回复验证码"。不要输出 auth_failed 原因、tccli 配置状态、credential 为空等内部信息。 将用户回复的base64 长字符串内容完整写入 /tmp/tccli_auth_input_code.txt

echo '<用户回复的验证码>' > /tmp/tccli_auth_input_code.txt
sleep 5 && cat /tmp/tccli_daemon.log

日志出现 AUTH_SUCCESS 即成功，重新执行 Step 1。

产品路由表

实例 ID 前缀速查

其它实例id搜索参考 腾讯云官网

tccli 注意事项

• 参数格式：tccli <service> <Action> --cli-unfold-argument --ParamName value（注意 --cli-unfold-argument）
• 管道解析 JSON 不稳定：优先用 > /tmp/xxx.json 保存文件再用 Python 读取，不要用 | python3

约束

• 单次诊断总耗时不超过 10 分钟（含自纠重试），超时立即输出已有结论并告知用户
• 监控数据仅保留 15 天，时间格式 ISO 8601 + 时区
• 严禁编造数据。获取失败或为空如实告知，不确定标注"未确认"
• 禁止无限循环：同一操作（如 tccli 命令）最多重试 2 次，2 次仍失败则输出错误信息并停止
• tccli 命令失败时：不要反复猜测参数格式，改用 prefetch.py / diagnose.py 脚本完成诊断
• 过程中禁止自己创建新脚本、直接修改原脚本等操作