Cloudnet AI Inspection — Cloudnet AI 检测

云简WLAN巡检技能（极简版） 版本：V0.0.1 设计原则：大模型做数据提取+判定，脚本仅做报告格式输出（MD+DOCX双格式）。

第0步：前置检查（必须最先执行） 0.1 读取配置文件 # 读取skill根目录的config.json cat config.json config.json 格式： { "mcporter_name": "oasis", "api_key": "xxxxxxxx", "shops": [ { "name": "场所名称" } ] } shops 只需填写 name（场所名称），shopId 在巡检时由第1步 API 自动获取。 如果 api_key 为占位文本（如"在此填入"），提示用户填入真实 API Key 后重新巡检。

0.2 检查mcporter CLI mcporter --version 通过：≥ 0.9.0 | 未通过：提示 npm install -g mcporter

0.3 检查并配置云简MCP连接 唯一MCP地址（正式环境）： https://oasis.h3c.com/mcp-server/api/sse mcporter config list 如果列表中已存在 mcporter_name 对应的配置 → 通过 如果不存在 → 自动执行配置： mcporter config add https://oasis.h3c.com/mcp-server/api/sse --header "Authorization=Bearer "

0.4 确认巡检场所 优先使用 config.json 中的 shops 列表（仅 name 字段）： 仅1个场所 → 直接使用，无需询问 多个场所 → 列出供用户选择 shops 为空 → 询问用户输入场所名称 不可假设场所名称，必须有明确来源。shopId 由第1步 API 查询后获取，无需在 config.json 中预填。

0.5 检查python-docx（DOCX报告用） python -c "import docx; print('OK')" 通过： | 未通过：提示 pip install python-docx（仅影响DOCX输出，MD仍可生成）

0.6 输出检查结果 | mcporter v0.9.0 | 云简MCP连接： | 巡检场所：XXX | python-docx 全部就绪，开始巡检。 如有未通过项，逐条列出 并提示修复方法，不继续执行。

mcporter调用规范（必读） 规则1：无参工具不传任何参数 # 正确 mcporter call getallshopsanddevofuser # 错误 mcporter call getallshopsanddevofuser --args '{}'

规则2：有参工具使用 key=value 格式（PowerShell兼容） # 正确 mcporter call getDeviceRunInfo devSN=210235A2G0B206000003 mcporter call getProblemDistribute shopId=2673243 "startTime=2026-05-19 00:00:00.000" "endTime=2026-05-19 10:00:00.000" timezone=Asia/Shanghai # 错误 — PowerShell下单引号JSON解析失败 mcporter call getDeviceRunInfo --args '{"devSN":"210235A2G0B206000003"}'

规则3：每个API结果保存为独立JSON文件 mcporter输出含大量schema信息，日志中易截断。使用 mcporter_call.py 保存纯净JSON。 # 正确 python scripts/mcporter_call.py reports/stepX.json [key=value ...] # 错误 — PowerShell重定向有编码问题 mcporter call ... > reports/stepX.json mcporter_call.py 是唯一保留的Python脚本，仅做mcporter输出提取和文件保存，无第三方依赖。如Python也不可用，可改用cmd重定向：cmd /c "mcporter call ... > reports/stepX.json 2>&1"

巡检步骤 第1步：获取场所shopId和AC信息（串行，必须先完成） 工具： getallshopsanddevofuser（无参数！） python scripts/mcporter_call.py getallshopsanddevofuser reports/step1.json 大模型处理： 从step1.json中提取： 匹配用户指定场所名称（来自 config.json 或用户输入）→ shopId 该场所下customType=ac的设备 → devSN、devModel、devAlias、status、softVer 如匹配不到场所名称，列出所有场所供用户选择 shopId 由本步骤从 API 实时获取，config.json 无需预填。

第2-5步：并行采集数据 步骤2/3/4/5 相互无依赖，必须同时发起。 第2步：AC健康度 工具： getDeviceRunInfo python scripts/mcporter_call.py getDeviceRunInfo reports/step2.json devSN= 大模型提取： cpuRatio / memoryRatio / diskRatio / speed_up / speed_down 判定标准： 检查项 正常 需关注 严重 CPU ≤50% ≤70% >70% 内存 ≤70% ≤85% >85% 磁盘 ≤70% ≤85% >85%

第3步：问题分布 + 接入成功率（2个调用并行） 工具A： getProblemDistribute python scripts/mcporter_call.py getProblemDistribute reports/step3a.json shopId=<场所ID> "startTime=<当天 00:00:00.000>" "endTime=<当前时间>" timezone=Asia/Shanghai 大模型提取： 按times降序排列取TOP5问题类型及子类明细 工具B： getHistoryAccessSucOneDay（参数同上） python scripts/mcporter_call.py getHistoryAccessSucOneDay reports/step3b.json shopId=<场所ID> "startTime=<当天 00:00:00.000>" "endTime=<当前时间>" timezone=Asia/Shanghai 大模型提取： 找到最低接入成功率、对应时间、低于98%的时段数 判定： ≥98% | ≥95% | <95%

第4步：Oasis问题推理 工具： getShopNetworkProblem python scripts/mcporter_call.py getShopNetworkProblem reports/step4.json shopId=<场所ID> 大模型提取： data.summary[] → 按alarmLevel统计高危(3)/中危(2)数量 data.data[] → 按alarmLevel分组，提取 reasoningType / count / reasoningCategory / suggestion / status

第5步：AP上线率（2个调用并行） 工具A： getCurrentApCount python scripts/mcporter_call.py getCurrentApCount reports/step5a.json shopId=<场所ID> 大模型提取： online / offline / total，计算上线率 工具B： getApRegularMatch python scripts/mcporter_call.py getApRegularMatch reports/step5b.json shopId=<场所ID> dim=1 大模型提取： 从detail[]中筛选Ss=2的AP，提取apName列表 判定： ≥98% | ≥95% | <95%

第6步：组装数据 + 生成双格式报告 6.1 组装结构化巡检数据 大模型逐个读取 step1~step5b 的JSON文件，从 response.data 中提取关键字段，组装为符合 references/data-format.md 格式的JSON文件。 将结构化数据写入 reports/巡检数据_<场所>_<时间>.json 数据格式参考：读取 references/data-format.md 了解完整JSON schema。 告警级别判定标准： 检查项 正常 需关注 严重 CPU ≤50% ≤70% >70% 内存 ≤70% ≤85% >85% 磁盘 ≤70% ≤85% >85% 接入成功率 ≥98% ≥95% <95% AP上线率 ≥98% ≥95% <95%

6.2 生成MD+DOCX双格式报告 python scripts/gen_report.py --data-file reports/巡检数据_<场所>_<时间>.json --output-dir reports/ 此脚本同时输出： MD报告：reports/巡检报告_<场所>_<时间戳>.md DOCX报告：reports/巡检报告_<场所>_<时间戳>.docx 报告结构（6章）： 一、执行摘要 → 关键指标 + 风险概览 二、健康度评估 → AC健康度 + 问题分布 + 接入成功率 + AP上线率 三、问题详细分析 → 高危/中危问题明细 四、问题处理优先级 → P0/P1/P2 分级 五、整改计划 → 短期/中