dot-ai

🚀 DevOps AI 工具包

借助智能的 Kubernetes 操作和对话式工作流，实现由人工智能驱动的平台工程和 DevOps 自动化。

🚀 快速开始

只需三个步骤即可开始使用：

1. 配置 MCP 服务器（使用 Docker 或 npm）
2. 连接您的 AI 编码助手（Claude Code、Cursor、VS Code）
3. 开始使用对话式工作流

✨ 主要特性

🔍 资源供应智能

通过语义能力管理自动发现集群资源。AI 能够理解每个资源的实际功能，以 Kubernetes 作为控制平面，为跨云的资源供应提供智能建议。当不存在匹配的能力时，可通过 ArtifactHub 上的 Helm 图表自动发现并安装第三方工具（如 Prometheus、Argo CD、Crossplane 等）。 📖 部署指南 | 能力管理

🛠️ 问题修复

由 AI 驱动的根本原因分析，具备多步骤调查、可执行的修复命令以及用于手动或自动执行的安全机制。 📖 了解更多 →

🏛️ 模式与策略管理

捕捉组织知识和治理策略，利用最佳实践和合规要求自动增强 AI 建议。使用向量搜索进行智能语义匹配。 📖 模式管理 | 策略管理

📦 项目设置与治理

生成 25 种以上的治理、法律和自动化文件（如 LICENSE、CODE_OF_CONDUCT、CONTRIBUTING、SECURITY、GitHub 工作流、Renovate、OpenSSF Scorecard），实现仓库标准化。 📖 了解更多 →

💬 共享提示库

在您的编码代理中以原生斜杠命令（/dot-ai:prompt-name）访问精心策划的提示，确保跨项目的工作流一致：

• PRD 管理：创建、跟踪和完成产品需求文档（如 prd-create、prd-next、prd-done 等）
• Dockerfile 生成：为任何项目生成生产就绪、安全的多阶段 Dockerfile（generate-dockerfile）

📖 了解更多 →

⚡ AI 集成

通过模型上下文协议（MCP）与 Claude Code、Cursor、VS Code 协同工作。支持多个 AI 提供商（Claude、GPT、Gemini），以实现灵活性和成本优化。 📖 AI 模型配置

📦 安装指南

本部分暂未提供具体安装命令，跳过此章节。

💻 使用示例

本部分未提供代码示例，跳过此章节。

📚 详细文档

入门指南

• 快速入门指南 - 几分钟内即可开始使用
• MCP 设置指南 - 完整的配置说明
• 工具概述 - 所有可用的工具和功能

功能指南

• 资源供应 - 由 AI 驱动的部署建议
• 能力管理 - 语义资源发现
• 问题修复 - 由 AI 驱动的故障排除
• 模式管理 - 组织部署模式
• 策略管理 - 治理与合规
• 项目设置 - 仓库治理自动化

🔧 技术细节

什么是 DevOps AI 工具包？

DevOps AI 工具包将人工智能驱动的智能引入平台工程、Kubernetes 操作和开发工作流。它通过能力发现和语义匹配提供智能的 Kubernetes 部署建议，实现由 AI 驱动的问题修复，自动设置带有治理和安全文件的仓库，并提供共享提示库以实现一致的开发工作流 —— 所有这些都通过自然语言对话实现。

该工具包基于模型上下文协议（MCP）构建，可与 Claude Code、Cursor 和 VS Code 无缝集成，为复杂的 DevOps 和开发任务提供对话式交互。

使命

DevOps AI 工具包通过人工智能驱动的自动化，使复杂的工作流易于使用，从而实现平台工程和云原生操作的民主化。我们消除了阻碍团队在 Kubernetes 操作、仓库治理和标准化开发工作流中采用最佳实践的专业知识障碍 —— 通过自然语言交互使专业级 DevOps 变得触手可及。

适用对象

DevOps AI 工具包适用于以下团队：

• 使用 Kubernetes 作为控制平面管理云资源（AWS、Azure、GCP）的团队（开发人员、平台工程师）
• 快速诊断和修复集群及基础设施问题的团队（SRE 人员、DevOps 工程师）
• 使用组织模式和策略规范资源供应的团队（安全工程师、平台团队）
• 用治理和安全文件初始化仓库的团队（项目维护人员）
• 通过原生斜杠命令访问精心策划的开发提示的团队（开发团队）

范围

涵盖范围

• 使用 Kubernetes 作为控制平面的 AI 驱动的资源供应建议
• 智能问题修复和根本原因分析
• 支持语义搜索的组织模式和策略管理
• 基于 MCP 与 AI 编码助手的集成
• 多提供商 AI 模型支持（Claude、GPT、Gemini）
• 带有治理、法律和安全文件的项目设置

不涵盖范围

• Kubernetes 集群的供应/管理（委托给现有工具）
• CI/CD 管道执行（仅提供建议）
• 应用程序运行时监控（与现有可观测性工具集成）

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

DevOps AI 工具包 - 通过人工智能驱动的智能，让云原生操作变得触手可及。

🔗 相关链接

• 📚 快速开始
• 🔧 MCP 设置
• 🛠️ 特性与工具

🛠️ 支持与贡献

支持

• 支持指南 - 如何获取帮助以及提问的途径
• GitHub 问题：错误报告和功能请求
• GitHub 讨论：社区问答和讨论
• 故障排除：常见问题请参阅 故障排除指南

贡献与治理

我们欢迎社区的贡献！请查看以下内容：

• 贡献指南 - 如何贡献代码、文档和想法
• 行为准则 - 社区标准和期望
• 安全策略 - 如何报告安全漏洞
• 治理 - 项目治理和决策机制
• 维护人员 - 当前的项目维护人员
• 路线图 - 项目方向和优先级

帮助我们改进

您的反馈塑造了 dot-ai 的未来！使用工具后，您可能偶尔会看到反馈提示 —— 我们很乐意听取哪些方面运行良好，哪些方面还有改进空间。 📝 分享您的反馈

🙏 致谢

DevOps AI 工具包基于以下技术构建：

• 模型上下文协议 - AI 集成框架
• Vercel AI SDK - 统一的 AI 提供商接口
• Kubernetes - 云原生基础
• CNCF - 云原生生态系统

项目状态与指标