在過去二十多年的 IT 生涯裡，從光華商場組裝維修、賭場運維，到現在的工廠 IT 管理，我發現了一件很有趣的事情：

大多數故障排除問題，缺的其實不是知識，而是順序。

凌晨三點的電話

相信很多 MIS 或 IT 工程師都遇過類似場景：

凌晨三點，手機響起。

接起來後第一句話通常不是：

「請幫我分析這個問題背後的根本原因。」

而是：

「全公司不能上網了！」

或者：

「ERP 連不上！」

「Exchange 郵件掛了！」

「考勤機資料不同步！」

這時候大腦還沒完全開機。

你需要的不是長篇大論。

而是：

第一步查什麼？
第二步查什麼？
第三步查什麼？

PS:當然在平時也是需要這樣排查的。

現在的 LLM 很強，但有個問題

我平常也大量使用 Claude、GPT、Gemini。

它們在許多領域都非常優秀。

但在 IT 故障排除這件事上，我經常遇到同樣的情況：

我問：

全公司無法上網，該怎麼查？

LLM 回：

網路問題可能由許多因素造成，例如 DNS、DHCP、交換器、路由器、防火牆、ISP、網路拓樸設計、ACL、VLAN 配置錯誤……

然後開始輸出數百甚至上千 Token 的分析。

問題是：

我現在不是在寫論文。

我是在排障。

我需要的是資深工程師模式

如果是一位做了二十年的網管坐在旁邊。

他的回答通常是：

STEP 1
先 Ping Gateway

通？
→ STEP 2

不通？
→ 查交換器或 VLAN

接著：

STEP 2
Ping DNS

通？
→ STEP 3

不通？
→ 查 DNS Server

這就是現場排障的思維。

不是先分析所有可能性。

而是：

縮小範圍
排除變因
一步一步定位問題

故障排除最重要的是順序

我曾經看過很多新人遇到問題時：

ERP 打不開
↓
開始重灌電腦

結果最後發現：

DNS 掛了

也看過：

郵件收不到
↓
研究 Outlook 設定

研究兩個小時。

最後發現：

Exchange Server 沒啟動

其實很多故障並不難。

真正困難的是：

在壓力之下，知道下一步該查什麼。

IT Diagnostic Agent 的誕生

因此我開始思考：

能不能把多年累積下來的排障流程整理出來？

讓 AI 不只是回答問題。

而是帶著使用者進行排查。

例如：

網路異常
↓
Gateway
↓
DNS
↓
DHCP
↓
Switch
↓
Firewall
↓
ISP

一步一步往下走。

而不是一次丟出二十種可能原因。

它其實不是 AI 專案

很多人看到這個工具會以為：

這是一個 AI 專案。

其實不完全是。

我認為它更像：

二十多年排障經驗
+
Decision Tree
+
Runbook
+
AI 介面

AI 只是讓互動變得更自然。

真正有價值的部分，是那些在現場踩坑累積出來的流程。

為什麼選擇開源？

原因很簡單。

我相信：

經驗可以共享。

尤其在工廠、企業、學校、醫院等環境裡，很多 IT 人員其實面臨相同的問題。

如果這些排障經驗能夠被整理成可重複使用的工具。

那麼新人可以少走一些彎路。

資深工程師也能節省一些時間。

下一步

目前 IT Diagnostic Agent 已經支援：

• 網路故障排查
• Active Directory
• Exchange / Outlook
• NAS
• CCTV
• Helpdesk 常見問題

後續也會持續加入：

• VMware
• Fortigate
• Linux Server
• Hyper-V
• Backup & Recovery

等更多企業常見場景。

結語

IT 工程師在故障發生時，

最需要的往往不是更多資訊。

而是下一步。

而 IT Diagnostic Agent 的目標很簡單：

在最短時間內，幫使用者找到下一步該做什麼。

GitHub 專案

https://github.com/richchang0721-boop/it-diagnostic-agent

如果你也是 MIS、網管或系統工程師，歡迎提出建議與實際案例，一起讓這個工具變得更好。