DolphinScheduler Agent 开源上线｜从告警到自愈一键闭环，运维终于可以“躺着把活干了”

在 2026 Apache DolphinScheduler Meetup 技术分享中由刘小东带来的DolphinScheduler Agent解决方案一经亮相便成为社区焦点。这套打通「群聊告警→智能诊断→自动恢复→报告闭环」的全链路系统可以很好地解决传统运维碎片化、高耗时、反复跨系统跳转的痛点让大数据任务故障处理从“人肉奔波”迈入“智能自治”时代。目前项目核心支撑工具dolphinscheduler-clidsctl已正式在 GitHub 开源面向所有开发者免费使用传统运维之痛故障恢复慢不是命令难是跳转太碎日常使用 DolphinScheduler 时任务失败处理一直给运维带来不小的压力。你一定熟悉这样的流程飞书群弹出告警 → 打开 DS UI 查实例状态 → 翻日志定位失败原因 → 对照 Runbook 判断风险 → 人工决策操作 → 再回到群里回复结果……真正拖慢效率的从来不是执行某条命令而是上下文在多个系统间反复断裂。事实、证据、风险分散在不同工具里运维人员把大量时间浪费在“找信息、拼逻辑、补上下文”上协作断点多、排查成本高、故障恢复周期被无限拉长。而这一切在 DolphinScheduler Agent 面前将成为历史。全新升级从碎片化人肉协作到全链路智能闭环针对上述断点DolphinScheduler Agent 方案的目标非常清晰把一次失败告警变成一条连续、可追踪、可沉淀的处理链路。旧方式是告警、UI、日志、群聊、复盘各自独立全程依赖人肉协作新方式则以飞书告警为起点经由Channel 会话、智能编排、执行控制、验证回复最终沉淀为报告让故障从触发到闭环一气呵成不再需要人工在多系统间反复跳转。简单来说就是告警发出来Agent 自动接手处理完成自动在群内回复结果并输出完整事故报告。运维人员只需要看结论不再需要“跑断腿”。五层硬核架构不是简单脚本是安全可控的智能控制链很多人会误以为自动化运维就是“机器人脚本”。但 DolphinScheduler Agent 走了一条更稳健、更工程化的路——五层解耦控制链每一层各司其职层层递进既保证执行能力又牢牢守住安全边界。L1 事件与协作告警直接进入飞书线程支持人工随时介入与追问以 workflowInstanceId 作为唯一事故锚点信息不丢失、不分散。L2 会话接入飞书事件同步至本地会话全程保持上下文连贯彻底消除跨系统切换带来的断点问题。L3 智能编排由 Claude Code 负责信息组织与调用顺序编排Skill 承载 DS 领域专业规则让决策更精准。L4 执行控制由 dsctl 统一承担读证据、修故障、验结果的核心动作标准化命令稳定可复用。L5 沉淀治理自动完成飞书群快捷回帖、事故报告生成、审计日志留存兼顾实时协作与后续复盘。这样的设计切中运维人员的需求架构解耦能力才能稳定扩展边界清晰自动化才敢上线生产。四大核心模块端到端支撑故障自愈真正落地在五层架构之上四大模块紧密配合让整套系统“能用、好用、敢用”。 Channel飞书原生入口一站式协同飞书群既是告警入口、协作界面也是结果回执页。Agent、人工、值班流程在同一线程内协同群内只展示精简结论详细证据沉淀至报告沟通高效、证据可查。 Runtime智能编排引擎规则与执行分离Claude Code 负责会话逻辑编排Skill 承载故障响应、工作流设计、数据质量等专业规则。编排、规则、执行三层解耦系统可稳定扩展持续迭代升级。 Control Planedsctl 统一控制面自动化的“执行底座”dsctl 是整个 Agent 的能力核心提供标准化、可被自动化调用的 CLI 能力读证据doctor / digest / log 快速定位故障现场修实例recover-failed / edit --dry-run 安全修复支持预演验结果watch 实时监控状态digest 输出总结统一输出所有动作标准化返回可观测、可追溯、可审计正是有了 dsctl手动命令才能变成稳定的自动化能力。7 步标准闭环双路径保障生产环境更放心从告警触发到复盘沉淀Agent 严格遵循 7 步标准状态机告警解析 → 诊断 → 决策 → 执行 → 验证 → 回复 → 沉淀面对低风险、证据充足的场景自动走顺利路径读证据→生成执行计划→恢复失败任务→验证→群内短回帖 输出报告遇到证据不足、高风险或验证失败则走升级路径转交人工保留完整上下文不虚假上报成功全程可追溯、可审计、可复盘真正做到放心上线、稳定运行。 Safety四级风险管控安全是第一前提生产环境的自动化安全永远比速度更重要。系统按风险等级设置边界将操作分为四类自动默认允许只读查询、查看日志等无风险操作自动防护recover-failed 等低风险恢复操作人工审批实例修改等高风险动作必须人工确认禁止数据强制成功等高危操作直接拦截这样就明确了系统的核心安全主张Agent 的强大不在于“敢跑”而在于知道“什么时候不跑”。稳健路线图逐步放权走向自治运维为了保证在生产环境安全落地Agent 采用分步放权、小步迭代的路线以确保生产稳定MVP 阶段先实现只读诊断跑通短回帖闭环V1 阶段开放 recover-failed 低风险自动恢复V2 阶段接入审批机制扩展更多可控操作V3 阶段沉淀 Runbook / Skill面向社区共建。这套方案最有价值的不是某个提示词而是Channel Skill CLI Report Safety一整套可复制、可迁移的工程化边界。Demo演示为了大家能对 DolphinScheduler Agent 的能力有直观的理解刘小东还在现场进行了 Demo 演示详见文首视频 57:10 及以后内容。⬆️ 正式开源dsctl 已上线 GitHub欢迎体验共建好消息是支撑 DolphinScheduler Agent 实现全能力的核心项目dolphinscheduler-clidsctl已正式开源 GitHub 地址https://github.com/sketchmind/dolphinscheduler-cli项目提供完整命令行工具支持DolphinScheduler 配置与环境管理工作流编写、Lint 检查、DryRun 预演运行时监控、实例查看、日志拉取故障恢复、失败重跑、批量运维标准化输出完美适配自动化与 Agent 调用项目采用 Apache-2.0 开源协议支持 pip 一键安装兼容 DolphinScheduler 3.3.2 / 3.4.0 / 3.4.1 等主流版本开箱即用。写在最后DolphinScheduler Agent 的出现重新定义了大数据任务运维范式把人从重复、琐碎、跨系统跳转中解放出来让系统负责处理故障让人专注决策与治理。从告警弹出到自动恢复、自动回帖、自动沉淀报告一键闭环全程无忧。如果运行顺利运维真的可以说是“躺着把活干了”。欢迎所有 DolphinScheduler 用户、运维开发者、大数据工程师前往 GitHub 体验 dsctl一起参与社区共建让运维更简单、更智能、更高效