AI 很聰明。但它不知道你們的 log 要去哪裡查、哪個 index 對應哪個服務、收到 503 要先看什麼。

AI 很聰明，但它不認識你的系統

前幾篇我們接好了 OpenSearch、Confluence、Monitoring 這些工具。

AI 確實能用。

但你有沒有遇過這種情況？

你說「幫我查 Payment Service 的 500 錯誤」。

AI 去查了。但它查的 index 不對。

或是它先去查了 Prometheus，但其實這個問題應該先看 server log。

AI 不笨，但它不知道你的調查習慣。

這些是你做 SRE 累積的直覺。

但這些直覺存在你腦袋裡。AI 讀不到。

這篇聊的不是怎麼寫漂亮的 prompt。

是怎麼把你的調查經驗，變成 AI 能讀的文件。

四層知識架構

你不是寫一個很長的 prompt。

你是建一套分層的知識系統。

第一層：環境設定
  → 時區、帳號對照、基本設定
  → 每次對話自動載入

第二層：調查 SOP ⭐ 最重要
  → 收到告警先做什麼？
  → 根據錯誤類型決定調查路徑

第三層：服務參考文件
  → 每個服務一份：log index、常見問題、關鍵欄位
  → AI 查的時候自動參考

第四層：歷史案例
  → 之前的調查紀錄，按日期歸檔
  → 「上次類似問題怎麼解的？」

第一層很簡單，幾行設定。

第四層是自然累積的，每次調查就多一筆。

真正需要你花心思的是第二層和第三層。

最重要的一層：調查 SOP

這是整個系統的核心。

教 AI「收到告警的前 5 秒該做什麼」。

我的做法是寫一份 Investigation Cheat Sheet。長這樣：

收到 SLA 5xx 告警
  ├─ 先確認：單一 request 還是持續性？
  │   ├─ 單一 request → 可能瞬態，先觀察
  │   └─ 持續性 → 繼續調查
  │
  ├─ 查 access log：哪個 API、哪個 status code
  │   ├─ 503 → Pod 問題（HPA scaling、readiness）
  │   ├─ 500 → application 層（查 server log）
  │   └─ 502 → 上游服務問題（查 upstream）
  │
  └─ 查 其他 server log：有沒有 error message
      ├─ DB error → 查 DB 連線、SP 邏輯
      ├─ Timeout → 查上游回應時間
      └─ 沒有 server log → 基礎設施層（查 Prometheus）

有這份 cheat sheet，AI 會按照你的邏輯走。

沒有的話，它會「什麼都查」。方向不對，浪費時間。

就像資深 SRE 帶新人：「先看這個，再看那個。」

Cheat sheet 就是你帶 AI 這個新人的方式。

我是怎麼開始寫？

不需要一次寫完。

每次調查後問自己一個問題：

「這次我是怎麼決定先查什麼的？」

把那個決策過程寫下來。那就是 cheat sheet 的一條規則。

累積 10 次調查，你的 cheat sheet 就很完整了。

服務參考文件：教 AI 認識你的服務

每個服務一份文件。10-20 行就夠。

# Payment Service

## 基本資訊
- Access Log Index: payment-production-access-log-*
- server log Index: payment-production-server-log-*
- Prometheus: 有（K8s pod metrics）

## 常見問題
- 503: 通常是 HPA scaling，查 pod readiness
- 500: 通常是 DB/Application 問題，查 server log
- Timeout: 查上游 Auth Service 回應時間

## 關鍵欄位
- correlation_id: request_id
- 回應時間: duration (ms)

有這份文件：AI 自己知道 Payment Service 的 log 在哪個 index。

沒有這份文件：你每次都要說「去查 payment-production-access-log 這個 index」。

差別就是這樣。

不需要寫得很完整。有 vs 沒有，差距遠大於 80 分 vs 100 分。

先把最常調查的 5 個服務寫好，就能覆蓋 80% 的場景。

結語

SRE 的 Prompt 工程，不是學怎麼寫漂亮的句子。

是把你腦中的調查經驗，變成 AI 能讀的文件。

四層架構：環境設定 → 調查 SOP → 服務文件 → 歷史案例。

最重要的第一步：寫你的 Investigation Cheat Sheet。

下次調查時，記下你的決策過程。10 次之後，你就有一份完整的調查 SOP。

知識系統建好了。但每次還要手動告訴 AI「去讀那個文件」。

下一篇，我們把這套知識系統封裝起來。

一句 /troubleshoot 就能啟動完整調查。