copilot可生成可用prometheus告警规则和grafana仪表盘json：需先创建带结构化注释的模板文件，再按模板填写需求注释，最后通过vs code右键指令触发生成，确保指标语义、标签匹配与语法正确。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让GitHub Copilot帮你写Prometheus告警规则和Grafana仪表盘JSON，但直接扔一句“帮我写个CPU告警”往往生成无效YAML或语法错误的dashboard配置——Copilot缺乏对指标语义、标签继承关系和Grafana面板嵌套结构的上下文理解。
让Copilot写出可用的Prometheus告警规则
第一步：在项目根目录创建alerts/文件夹，并放入一个带注释的模板文件alerts/template.yaml，内容如下：
```yaml
# ALERT_NAME: 描述该告警业务含义，例如“API延迟突增”
# METRIC: 必须是Prometheus中真实存在的指标，如http_request_duration_seconds_bucket
# LABELS: 列出所有该指标实际携带的标签，如{le="0.1", job="api-gateway", instance="10.0.1.5:8080"}
# CONDITION: 用自然语言描述触发条件，如“过去5分钟P99延迟超过300ms”
# DURATION: 告警持续时间，如5m
# SUMMARY: 告警简短标题，限30字内
# DESCRIPTION: 告警详情，说明影响范围与建议动作
```
第二步：把你要生成的告警需求写成严格匹配模板结构的注释块，粘贴进新文件alerts/cpu-high.yaml：
```yaml
# ALERT_NAME: 主机CPU使用率超阈值
# METRIC: 100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
# LABELS: {instance="192.168.1.10:9100", job="node"}
# CONDITION: 过去10分钟平均CPU使用率 > 90%
# DURATION: 10m
# SUMMARY: 节点CPU过载
# DESCRIPTION: 实例{{ $labels.instance }} CPU持续过高，可能影响服务响应。请检查进程占用或扩容节点。
```
第三步：在VS Code中右键该文件 → “Ask Copilot to generate alert rule from comment”，它会基于你写的METRIC表达式和LABELS上下文，输出完整、可部署的alerting_rules.yml片段，【不会硬编码不存在的标签，也不会忽略rate()函数必需的时间窗口】。
用Copilot生成Grafana看板JSON配置
方法一：基于已有看板反向提取结构
打开Grafana UI → 进入任意已生效的看板 → 点击右上角“⋮” → “View JSON” → 全选复制JSON内容 → 粘贴到VS Code新文件dashboards/existing.json中。
在文件顶部添加注释说明修改意图：
```json
// 修改目标：将原看板中“Node CPU Usage”面板替换为“OpenCopilot Token消耗速率”
// 新指标：openclaw_session_tokens_output_total{job="opencopilot"}
// 新标签：instance=~"copilot-.*"
// 新图表类型：timeseries
```
选中整段JSON → 右键 → “Ask Copilot to update dashboard JSON according to comment”。Copilot会精准替换target数组中的query字段、调整legend格式、更新title，并保持panels数组结构不被破坏。
方法二：从零生成轻量看板（仅含1个核心面板）
新建文件dashboards/token-rate.json，只写三行：
```json
// 创建一个Grafana v10.2+兼容的单面板看板
// 监控指标：openclaw_session_tokens_output_total，按instance分组
// 显示为每秒输出Token数（rate 1m），Y轴单位：tokens/s
```
执行Copilot指令后，它会输出完整JSON，包含__inputs、templating（空）、panels（含1个timeseries panel）、schemaVersion等全部必需字段，【跳过所有非v10.2必需的废弃字段如"links"或"annotations"】。
关键验证步骤：本地快速测试生成结果
第一步：启动Prometheus容器并挂载生成的告警文件
docker run -d --name prom-test -p 9090:9090 -v $(pwd)/alerts:/etc/prometheus/alerts -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus:v2.47.0
第二步：访问http://localhost:9090/alerts，确认Copilot生成的规则已加载且状态为“inactive”（未触发即表示语法正确）。
第三步：启动Grafana容器并导入JSON
docker run -d --name grafana-test -p 3000:3000 -v $(pwd)/dashboards:/var/lib/grafana/dashboards grafana/grafana:10.2.0
第四步：登录http://localhost:3000（默认admin/admin）→ Configuration → Import → Upload JSON file → 选择刚生成的token-rate.json → Import。
第五步：进入导入的看板，确认面板左上角显示“Data source: Prometheus”且图表有数据点（若无数据，说明指标名或标签过滤条件有误，需回查openclaw_exporter暴露的原始指标）。
