什麼是Doctor Droid？
DrDroid 是一款專為工程團隊打造的 AI SRE 代理工具，專注於自動化處理生產環境中的事故回應與根本原因分析。傳統上，只有資深工程師才懂得如何快速排查複雜問題，但 DrDroid 透過理解你的整個基礎設施——包括服務、依賴關係、部署紀錄與擁有權——讓每位工程師都能像最厲害的 SRE 一樣高效除錯。
無論是半夜被 PagerDuty 叫醒，還是面對上百個微服務的混亂日誌，DrDroid 都能在 2 分鐘內完成原本需花 45 分鐘的手動調查。它不只幫你「滅火」，更能主動發現潛在風險、優化成本、保留組織知識，真正實現從「救火式運維」轉向「主動式韌性建設」。
Doctor Droid的特色是什麼？
- AI 驅動的根本原因分析：自動串聯 Kubernetes、日誌、監控與部署數據，快速定位如記憶體洩漏、依賴中斷等真實根因。
- 自然語言主動檢查（Proactive Checks）：用簡單英文描述複雜健康檢查（例如「檢查節點 CPU 壓力與 etcd 磁碟 I/O」），系統自動執行並跨多訊號偵測隱性退化。
- 智慧告警整合與去噪：根據服務架構與近期變更，將數百則告警自動分組為有意義的事件，過濾無效噪音，只凸顯高影響問題。
- 組織知識自動沉澱：將資深工程師的除錯邏輯與架構上下文轉化為可重複使用的「代理記憶」，新人上手時間從數月縮短至數週。
- 全棧成本與安全分析：掃描 AWS、GCP 等多雲資源，自動建議右尺寸調整、刪除閒置 EBS 或切換預留實例，每月省下數千美元。
- 自動化監控健康檢查：每週掃描儀表板與告警規則，自動停用過時告警、修復缺失面板，並為新服務補齊監控覆蓋。
- 80+ 預建整合與自訂擴充：原生支援 Kubernetes、Datadog、ArgoCD、GitHub 等主流工具，也可接入內部 CLI 或自訂 MCP 伺服器。
Doctor Droid的使用案例有哪些？
- 當 order-svc 出現 CrashLoopBackOff 時，自動分析 Pod 事件、記憶體趨勢與最近部署，3 分鐘內確認是 OpenTelemetry SDK 版本導致 OOM。
- 設定每日檢查「認證服務延遲是否異常」，系統自動比對 gRPC 追蹤、資料庫查詢與下游依賴，提前發現效能衰退。
- 新進工程師收到 PagerDuty 通知後，直接在 Slack 問 DrDroid「為什麼付款失敗率飆升？」，獲得完整上下游服務分析與修復建議。
- 每週自動產出成本優化報告，識別出 4 台過度配置的 EC2 實例與 3 個閒置超過 90 天的 EBS 磁碟區。
- 在大型促銷活動前，執行「結帳流程端到端健康檢查」，確保從購物車到支付再到通知的全鏈路無盲點。
- 自動合併重複的「高錯誤率」告警規則，並將相關事件歸屬於同一根本原因（如資料庫連線池耗盡），避免團隊被碎片化通知淹沒。
如何使用Doctor Droid？
- 15 分鐘內連接工具：透過 OAuth 或 API Key 快速整合 Kubernetes、Cloud Provider、APM 與 CI/CD 工具。
- 用自然語言提問或設定檢查：在 Slack 或 Web UI 輸入「調查 prod 區域所有記憶體使用率突增的 Pod」或建立定期 Proactive Check。
- 審核 AI 建議並一鍵修復：查看自動生成的根本原因與修復方案（如「降級至 v2.7.3」），可直接觸發 ArgoCD 回滾或提交 Hotfix PR。
- 持續優化知識圖譜：DrDroid 會自動學習你的程式碼結構、服務依賴與業務流程，無需手動維護文件。
- 追蹤 MTTR 與成本節省：透過內建儀表板監控平均修復時間縮短幅度與每月自動發現的節省金額。
- 擴充自訂技能：若需操作內部工具，可開發自訂 MCP 伺服器，讓 DrDroid 支援公司特有工作流程。
