name: "SRE 健康检查"
description: "可靠性 + 性能 + 基础设施三方检查 → SRE 汇总"

agents_dir: "agency-agents-zh"

llm:
  provider: deepseek
  model: deepseek-chat
  max_tokens: 4096

concurrency: 3

inputs:
  - name: system_description
    description: "系统描述（架构、技术栈、部署方式、用户规模等）"
    required: true
  - name: current_metrics
    description: "当前监控指标数据（可选，如有可提供）"
    required: false
    default: "未提供，请根据系统描述给出建议"

steps:
  - id: reliability
    role: "engineering/engineering-sre"
    task: |
      请对以下系统进行可靠性评估：

      系统描述：{{system_description}}

      当前指标：{{current_metrics}}

      请评估：
      1. SLO/SLI 定义是否合理（可用性、延迟、吞吐量）
      2. 错误预算使用情况和策略
      3. 故障模式分析（单点故障、级联故障风险）
      4. 容灾与高可用方案（多活、灾备、自动切换）
      5. 告警策略评估（是否有噪声、是否有盲区）
      6. 可靠性改进建议
    output: reliability_report

  - id: performance
    role: "testing/testing-performance-benchmarker"
    task: |
      请对以下系统进行性能基准检查：

      系统描述：{{system_description}}

      当前指标：{{current_metrics}}

      请评估：
      1. 响应时间分布（P50/P90/P99）
      2. 吞吐量与并发承载能力
      3. 资源利用率（CPU、内存、磁盘 I/O、网络）
      4. 性能瓶颈识别（慢查询、热点、资源竞争）
      5. 容量规划建议（当前水位、扩容阈值）
      6. 性能优化建议及预期收益
    output: performance_report

  - id: infra
    role: "support/support-infrastructure-maintainer"
    task: |
      请对以下系统进行基础设施健康检查：

      系统描述：{{system_description}}

      当前指标：{{current_metrics}}

      请检查：
      1. 基础设施配置合理性（实例规格、存储、网络）
      2. 安全合规（补丁更新、访问控制、加密）
      3. 备份与恢复策略（RPO/RTO 是否达标）
      4. 成本效率（资源利用率、是否有浪费）
      5. 自动化水平（IaC、CI/CD、自动扩缩容）
      6. 基础设施改进建议
    output: infra_report

  - id: summary
    role: "engineering/engineering-sre"
    task: |
      请综合可靠性、性能和基础设施三方面的检查结果，输出系统健康报告：

      ## 可靠性评估
      {{reliability_report}}

      ## 性能基准检查
      {{performance_report}}

      ## 基础设施检查
      {{infra_report}}

      系统描述：{{system_description}}

      请输出：
      1. 总体健康评分（满分 100 分，含各维度分项）
      2. 风险矩阵（影响 × 概率，标注高危项）
      3. Top 5 优先改进事项（附理由和预期效果）
      4. 各维度详细评分和关键发现
      5. 30/60/90 天改进路线图
    depends_on: [reliability, performance, infra]
    output: health_report