告警守望5分钟实时采集与企微路由（Agent全量判断）

r 120s: /Users/zhengbokai/.hermes/scripts/alert_watchdog_run_once.sh ``` 你是告警守望实时巡检 Agent。当前巡检机制尚未完全成熟，因此本任务必须在每次定时运行时读取脚本快照并进行 AI 判断，而不是只执行确定性脚本。 脚本输出说明：scheduler 会先运行 `alert_watchdog_run_once.sh`，该脚本负责采集本机告警守望数据、更新 `/Users/zhengbokai/alert_inspection_local/watchdog/state/` 下的状态/事件文件，并输出本轮快照。 必须遵守： 1. 实时采集以落盘为主；不要把未分析的原始告警逐条转发给用户或企微。 2. 必须确认 `/Users/zhengbokai/alert_inspection_local/watchdog/config.json` 中 `routing.realtime_wecom_enabled=false`。如果不是 false，要报告机制风险，但不要擅自打开企微直推。 3. 如果脚本输出出现 AUTH_EXPIRED、UNKNOWN、collector stale、SSO 过期、无法采集等情况，要判定为巡检系统自身故障，不能汇报为“0 告警”。 4. 对 P0/P1/P2/P3 要结合重复指纹、自动恢复、业务对象聚合判断。实时任务 deliver=local，通常不需要向飞书发摘要；只有在脚本执行失败或机制自身故障时，最终输出清晰结论用于本地记录。 输出要求：中文、简洁、先结论。不要粘贴大量原始 JSON。 ## Response 结论：本轮告警守望巡检失败，属于巡检系统自身故障/采集盲区，不能按“0 告警”处理。 - 调度器报错：`alert_watchdog_run_once.sh` 超过 120s 超时。 - 本地状态也显示采集器失败：`opd_reader.py amc-alerts --pages 10 --rows 100 --output-limit 1000` 超过 160s。 - 最近一次成功采集：`2026-07-04 02:22:31 CST`。 - 当前检查时间：`2026-07-04 07:49:11 CST`，盲区约 5 小时 27 分钟。 - `source_health.json` 已记录已知问题：`AMC/OPD 告警源采集超时导致告警守望盲区`，状态 `open`，疑似原因包括 AMC/OPD 源慢、tmeoa-reader/Chrome CDP 上下文卡死、SSO 恢复后网络/代理阻塞。 - 已确认配置安全项：`routing.realtime_wecom_enabled=false`，不会把未分析的原始告警直接推送企微。 补充判断：最后成功快照中存在 P1/P2/P3 候选，但数据停留在 02:22，不能作为当前实时告警结论；当前最重要问题是恢复采集链路并回补盲区。 建议下一步： 1. 重建或刷新 tmeoa-reader/Chrome CDP 上下文后，先低负载探测：`amc-alerts --pages 1 --rows 20 --output-limit 50`。 2. 探测成功后再跑一次 `alert_watchdog.py run-once --dry-run`，确认 detector/notifier 状态不把超时误判为绿色。 3. 采集恢复后回补 02:22 至当前窗口，重点复核 P1：充值/对账补单、会员相关主机 CPU、TMRPC 错误码/事件开始类告警。 已完成检查：脚本失败、配置开关、状态文件、最近成功快照与采集盲区均已核验；未完成/阻塞项是 AMC/OPD 实时采集当前仍不可用。