前言
国庆前后我陆续介绍了XiaoMate小美同学的几个核心功能,包括屏幕分析、书签收藏、待办提醒等。今天继续这个系列,来介绍一个对开发者和运维人员非常实用的功能——日志巡检 (odd_rsi)。
其实从这个MCP的名字大家也可以看得出来,我对这个MCP的最终的目标是希望做成一个RSI,简单讲就是希望用这个MCP自动的去找运行过程中出现过的各种ERROR,然后再把这个ERROR扔给Claude Code/Codex/Qoder等,然后自动排查、定位并解决问题,再由我决定要不要上线。
但是目前阶段只做了第一步,收集运行错误,然后最近一直忙一直没时间把后面部分功能补上(这两个星期也都没更新我的博客),今天就先把目前的这个半成品先扔出来,供大家参考吧。
日志巡检的口号是:系统异常自动发现,问题归拢一目了然
😩 你是不是也这样?
如果你自己部署过服务、写过脚本、跑过后台程序,一定遇到过这些场景:
- 程序挂了,不知道啥时候出的问题,只能翻几百兆的日志文件大海捞针
- 多个服务同时报错,相似的异常散落各处,看不出是同一个根因还是不同的问题
- 排查问题时,只看ERROR那一行不够,需要前后文才能定位,手动复制粘贴很费劲
- 日志文件按天轮替,昨天的日志已经归档,分析历史问题要一个个文件找
- 天天看日志太费时间,不看又担心错过了重要异常
别担心,小美同学帮你自动盯着日志,异常一出现就给你归拢好!
✨ 小美的日志巡检能做什么?

🎯 核心能力
1. 多格式日志智能解析
小美内置了强大的日志解析引擎,支持多种常见日志格式自动识别:
- ✅ 标准Python日志 –
2026-11-20 08:00:32 - xiaoluo - WARNING - [odd_ainews.py:84] - message - ✅ 简化格式日志 –
2026-09-26 17:35:55,639 INFO Starting server... - ✅ 自动时间戳识别 – 支持带毫秒和不带毫秒两种时间格式
- ✅ Traceback自动捕获 – 异常堆栈的行会自动识别并归拢到同一个Issue中
2. 双层智能聚类,精准归拢问题
这是日志巡检最核心的能力。小美不会简单粗暴地按行号切割,而是采用 L1时间窗口 + L2语义相似度 双层聚类算法:
- ⏱️ L1 时间窗口聚类 – 时间间隔在阈值内(默认60秒)的异常自动归为同一个事件
- 🔍 L2 语义相似度聚类 – 在同一个时间窗口内,消息内容相似度超过阈值(默认75%)的异常进一步归拢
举个例子:你的服务在 10秒内连续报了5条 Connection timeout to 192.168.1.100:8080,虽然有5条日志,但小美会智能识别这是同一个问题,只生成一个Issue报告,而不会给你生成5个重复的报告。
3. 自动提取上下文,一目了然
每个Issue报告中,小美会自动提取异常前后的上下文日志:
- 📌 向前取N行(默认10行)- 看异常发生前系统在做什么
- 📌 向后取N行(默认5行)- 看异常发生后系统的反应
- 📌 链式扩展 – 如果上下文范围内还有新的异常,自动向后扩展,直到覆盖完整的问题区间
- 📌 上限保护 – 单个Issue最多200行,避免上下文过长
4. 增量分析 + 智能去重
日志文件动辄几百MB,天天全量分析太浪费。小美采用增量分析策略:
- 🔄 文件级去重 – 基于文件大小和修改时间判断日志是否有变化,没变就跳过
- 📝 状态持久化 – 分析进度保存到状态文件,下次从上次的位置继续
- 📅 支持历史归档 – 配置
archive_pattern后,可以按日期范围查找历史备份日志
5. 结构化报告输出
分析完成后,每个Issue都会生成一份独立的 Markdown 报告,包含:
- 🏷️ Issue ID – 唯一标识,方便引用和追踪
- 📊 严重程度统计 – ERROR/WARNING/CRITICAL 各多少条
- ⏰ 时间范围 – 问题开始和结束时间,持续时长
- 📝 摘要 – 第一条异常消息的精简描述
- 📄 完整日志 – 带上下文的完整日志内容,代码块包裹便于阅读
报告支持按日期分子目录存储,方便按天归档管理。
6. 自动创建待办提醒(可选)
如果你开启了 todo_reminder 配置,小美在发现问题后会自动创建一条待办提醒:
- 🔔 标题自动带上日志名称和问题摘要
- 🔔 内容包含异常统计和Issue ID
- 🔔 通过桌面弹窗、企业微信等渠道通知你
这样你不需要每天盯着日志看,有问题小美会主动提醒你。
🚀 如何使用日志巡检?
方式一:通过MCP工具调用
在跟小美的对话中,直接说:
“帮我分析一下最近的日志”
“看看 xiaomate-app 今天有没有异常”
“分析最近24小时的系统日志”
小美会自动调用日志巡检工具,分析完成后把结果汇报给你。
方式二:命令行独立运行
cd /path/to/x2
python -m mcps.odd_rsi
这会分析最近24小时的所有配置日志,并输出结果。
方式三:编程调用
from mcps.odd_rsi.oddmcp_rsi import OddmcpRSI
from datetime import datetime, timedelta
rsi = OddmcpRSI()
# 分析最近24小时
end = datetime.now()
start = end - timedelta(hours=24)
result = rsi.analyze(
log_name="", # 空字符串表示分析所有配置的日志
start_time=start, # 起始时间
end_time=end, # 结束时间
output_format="markdown", # 输出格式: markdown 或 json
)
print(result)
配置说明
日志巡检使用独立的 YAML 配置文件 mcps/odd_rsi/odd_rsi.yaml,主要配置项:
# 要分析的日志文件列表
log_files:
- name: "xiaomate-app"
path: "logs/xiaomate.log"
archive_pattern: "logs/xiaomate.log.{date}"
# 上下文行数
context:
before_lines: 10
after_lines: 5
# 目标日志级别
target_levels:
- "ERROR"
- "WARNING"
# 聚类参数
clustering:
time_gap_threshold: 60 # 时间窗口(秒)
similarity_threshold: 0.75 # 相似度阈值
# 输出配置
output:
base_dir: "logs/issues"
group_by_date: true # 按日期分子目录
💡 适用场景
1. 个人开发者/小团队
- 自己部署的Django/Flask服务,每天自动巡检一下日志
- 发现异常及时修复,避免用户先发现问题
2. 本地开发调试
- 开发过程中频繁报错,用日志巡检快速归拢问题
- 不用在IDE和终端之间来回切换翻日志
3. 自动化运维
- 配合定时任务(如每天凌晨执行),实现日志自动化巡检
- 异常自动创建待办,形成问题追踪闭环
4. 历史问题复盘
- 指定时间范围分析历史日志,复盘某个时间段的问题
- 支持历史归档文件自动查找
🎉 写在最后
日志巡检 (odd_rsi) 是 XiaoMate 小美同学 MCP 工具系统中的一个实用工具。它的设计理念是:让机器帮你做重复的日志排查工作,你只需要关注真正需要处理的问题。
通过智能解析 + 双层聚类 + 上下文提取 + 增量分析,小美能够把散落在海量日志中的异常精准归拢,生成结构化的Issue报告,大幅提升排查效率。
如果你也是那种”日志看了头疼,不看又担心”的人,不妨试试小美的日志巡检功能,让系统的异常无处遁形!
下一篇预告:XiaoMate 更多 MCP 工具功能介绍,敬请期待!