3 天爆肝 3 万行代码，一个因 AI 编程而生的轻量监控项目

就这么简单。 没有 DB ，没有 Dashboard ，没有复杂的配置。哲学就是：没问题不打扰，有问题立刻告诉你。

想立刻看到告警？ 打开 conf.d/p.mem/mem.toml，把内存使用率的告警阈值改小（比如 warn_ge = 0.01），然后运行 ./catpaw -test，你的机器内存使用率大概率超过 0.01%，一分钟之后（因为默认配置 for_duration = "60s" 才会发送告警）就能在终端看到告警事件输出。验证完毕后记得改回来。

关于告警发送

catpaw 默认通过 Flashduty 发送告警（配置 conf.d/config.toml 中的 webhook URL 即可）。如果你想把告警发到其他地方钉钉、飞书、Slack 、Telegram 、自建系统完全没问题。catpaw 的转发逻辑在 engine/engine.go 里，结构很清晰，让 AI 帮你加一个新的发送通道，通常几分钟就能搞定。这也是一个很好的 AI 编程练手机会。

Flashduty 在线体验地址：https://console.flashcat.cloud/ 注册之后，在 [集成中心] 创建一个 [标准告警事件] 的集成，把集成的 webhook URL 填入 conf.d/config.toml 中的 flashduty.url 字段即可。告警之后就会发给 Flashduty ， 在 Flashduty 里做进一步处理（告警降噪、上下文丰富、分派给值班人员、电话短信通知等）。

为什么说 catpaw 是 AI 编程的最佳实验田

这是我特别想聊的一个话题。

AI 编程（ Cursor 、Copilot 、Claude 等）已经不是新鲜事了，catpaw 的代码框架搭建好了之后，各个插件的代码基本都是 AI 写成的，只需要告诉它你想检测什么，它就能照着模式写出来。catpaw 可能是目前最适合验证 AI 编程能力的开源项目之一。

1. 插件高度独立，上下文小

每个插件就是一个独立的 Go package 。输入是 TOML 配置，输出是事件。没有复杂的依赖关系，没有全局状态，AI 不需要理解整个项目就能写好一个插件。

plugins/ ├── disk/ ← 独立 package │ └── disk.go ├── cpu/ ← 独立 package │ └── cpu.go ├── cert/ ← 独立 package │ ├── cert.go │ └── tls.go └── ... 

2. 问题域具体明确

不是模糊的"做一个 XX 系统"，而是非常具象的任务：

• "检测 conntrack 表是否快满了"
• "检查 TLS 证书还有几天过期"
• "监控 CLOSE_WAIT 连接数是否异常"

AI 擅长这类有明确验收标准的工作。

3. 有现成的模式可参考

27 个插件就是 27 个范例。插件实现遵循统一模式：

// 1. 定义结构体 type Instance struct { config.InternalConfig // 你的配置字段 } type YourPlugin struct { config.InternalConfig Instances []*Instance `toml:"instances"` } // 2. 注册 func init() { plugins.Add("your_plugin", func() plugins.Plugin { return &YourPlugin{} }) } // 3. 实现采集 func (ins *Instance) Gather(q *safe.Queue[*types.Event]) { // 检测逻辑 event := types.BuildEvent(map[string]string{ "check": "your_plugin::your_check", "target": "something", }) if something_is_wrong { q.PushFront(event.SetEventStatus(types.EventStatusCritical). SetDescription("what went wrong")) return } q.PushFront(event.SetDescription("everything is ok")) } 

让 AI 读几个已有插件的代码，再告诉它你想检测什么，它就能照着模式写出来。具体编写之前建议：

1. 让 AI 阅读项目 principles.md 文件，理解 catpaw 的设计原则
2. 让 AI 针对你想写的插件生成一个设计文档，放到插件代码目录下的 design.md 文件中，其他插件都是这么干的
3. review 设计文档，没问题的话就可以编码了，可以让多个 ai agent 互相 review

4. 验收闭环极短

写完代码 → go build → 改个 toml → ./catpaw -test → 看终端输出。

整个过程不超过几分钟，不需要搭建复杂环境（只需要 go 开发环境，不依赖任何外部工具）。这种快速反馈循环对 AI 辅助开发特别友好出了问题可以立刻迭代。

5. Go 语言对 AI 友好

静态类型、编译检查、标准库丰富。AI 生成的 Go 代码质量相对可控，编译器会帮你兜底大部分低级错误。

试试这个 prompt

打开你的 AI 编程工具，给它下面这段指令：

参考 catpaw 的 disk 插件实现，帮我写一个新插件 psi，检测 Linux 系统的 Pressure Stall Information （读取 /proc/pressure/cpu、/proc/pressure/io、/proc/pressure/memory），当 OS 资源压力过大时产出告警事件。

然后看看 AI 能不能一次性给你一个可工作的插件。这就是最真实的 AI 编程能力评测。

参与贡献：不需要你是专家

你不需要是监控专家，甚至不需要是 Go 专家。 你只需要遇到过一个"早该监控上的"问题。

参与路径

┌─────────────────────────────────────────────────────────────┐ │ │ │ Level 1 ──→ 用 catpaw ，遇到 bug 提 issue │ │ │ │ Level 2 ──→ 用 AI 写一个自己需要的插件，fork 自己用 │ │ │ │ Level 3 ──→ 插件解决的是通用问题？提 PR 贡献上游 │ │ │ │ Level 4 ──→ 优化现有插件、补充测试、完善文档 │ │ │ └─────────────────────────────────────────────────────────────┘ 

每一级都有价值。尤其是 Level 2用 AI 写一个解决你自己问题的插件，这本身就是一次有趣的实践。如果它解决的是通用问题，那就更好了，欢迎贡献上游，我们一起 review 。

待认领插件

以下插件还在规划中，如果你感兴趣，可以直接认领：

为什么值得参与

1. 真实项目，不是玩具。catpaw 已经在生产环境运行，解决的都是实际问题
2. AI 编程练手场。插件边界清晰、模式统一，是用 AI 做真实开发的绝佳场景
3. Go 语言实战。如果你在学 Go ，这是一个复杂度适中、结构清晰的实战项目
4. 代码量可控。一个插件通常只有 100-300 行，一个小时就能完成

架构一览

catpaw/ ├── main.go 程序入口 ├── agent/ 插件加载与调度 │ ├── agent.go Agent 核心 │ └── runner.go PluginRunner ，每个 instance 一个 goroutine ├── config/ 全局配置解析 ├── engine/ 事件处理引擎（去重、抑制、恢复、推送） ├── types/ Event 等核心类型 ├── plugins/ 插件目录 │ ├── plugins.go Plugin 接口定义与注册 │ ├── disk/ 磁盘检查 │ ├── cpu/ CPU 检查 │ ├── cert/ 证书检查 │ ├── conntrack/ conntrack 表监控 │ ├── ... （共 27 个插件） │ └── design.d/ 插件规划 ├── conf.d/ 配置目录 │ ├── config.toml 全局配置 │ └── p.<plugin>/ 各插件 TOML 配置 ├── docs/ 文档 └── docker/ Docker 构建 

数据流：

 配置加载 定时采集 事件处理 conf.d/*.toml ──→ Agent.Start() ──→ Gather(queue) ──→ engine.PushRawEvents() │ │ types.Event 去重 / 抑制 / 恢复 │ HTTP POST → Flashduty / Webhook 

写在最后

catpaw 的名字取自"猫爪"轻轻一抓就能抓出问题。

它不是要替代 Prometheus 或 Zabbix ，而是做那个轻轻部署一下就能安心不少的补充。特别适合：

• 快速补上那些"早该监控"的检查项
• 给现有监控系统做旁路自监控
• 用 AI 快速开发你自己的监控插件

如果你对以下任何一点感兴趣，欢迎参与进来：

• 用它：下载试试，反馈问题
• 改它：用 AI 写个新插件，解决你自己的问题
• 一起做：贡献代码，让 catpaw 覆盖更多场景

GitHub：https://github.com/cprobe/catpaw

微信交流群：加 picobyte，备注 catpaw