未来已来，对于程序员而言，生产效率提升了 100 倍，以后工作难搞了，唉...

TL;DR：catpaw 是一个轻量级事件监控工具，27 个插件覆盖服务器核心风险点，仅一个二进制，零依赖。更重要的是——它可能是目前最适合验证 AI 编程能力的开源项目之一。来试试，用 AI 写一个属于你自己的监控插件。

凌晨 3 点，你被叫醒了

磁盘满了。证书过期了。conntrack 表被打满，线上静默丢包。某个进程悄悄挂了，直到用户投诉才发现。

事后复盘，每一个问题都是"早该监控上的"。虽然你也部署了 Node-Exporter ，也部署了 Prometheus ，但是很多指标的含义你并不清楚，有些 promql 也难以理解，所以迟迟没有配置，或配置不合理。

更尴尬的是：如果你的监控系统本身挂了，谁来告诉你？

这就是 catpaw 要解决的问题。

catpaw 是什么

catpaw （猫爪）是一个轻量的事件监控工具。它只做一件事：

探测异常，产出告警事件。

它不是又一个指标采集器（不对标 Node-Exporter / Telegraf ），不产出时序数据，不画图表。它的工作模式极简：

┌─────────────────────────────────────────────────────────┐
│                        catpaw                           │
│                                                         │
│  ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐         │
│  │ disk │ │ cpu  │ │ cert │ │ http │ │ ...  │  插件层  │
│  └──┬───┘ └──┬───┘ └──┬───┘ └──┬───┘ └──┬───┘         │
│     │        │        │        │        │              │
│     ▼        ▼        ▼        ▼        ▼              │
│  ┌─────────────────────────────────────────────┐       │
│  │              事件引擎 (engine)                │       │
│  │  去重 → 抑制 → 恢复检测 → 重复通知控制        │       │
│  └──────────────────┬──────────────────────────┘       │
│                     │                                   │
└─────────────────────┼───────────────────────────────────┘
                      ▼
          ┌───────────────────────┐
          │  Flashduty / Webhook  │
          │    告警分发 & 通知      │
          └───────────────────────┘

核心特点：

• 一个二进制，无 DB 、无 MQ 、无 agent 集群，下载即用
• 插件化架构，27 个插件按需启用，配置项注释详尽，开箱即用
• 事件驱动，不存储指标，只关心"有没有问题"
• 自监控友好，适合给现有监控体系做旁路兜底

27 个插件，覆盖哪些风险

catpaw 目前内置 27 个插件（几乎全是 AI 写成的），按场景可以分为几大类：

基础资源

插件	一句话说明
cpu	CPU 使用率、归一化 Load Average
mem	内存 / Swap 使用率
disk	磁盘空间、inode 、磁盘读写报错
uptime	异常重启检测

网络与连通性

插件	一句话说明
ping	ICMP 可达性、丢包率、时延
net	TCP/UDP 连通性与响应时间
http	HTTP 可用性、状态码、响应体
dns	DNS 解析检查
cert	TLS 证书有效期（远程 + 本地）

Linux 内核暗坑

这部分是 catpaw 最有价值的地方——很多问题你不监控就永远不知道：

插件	故事
conntrack	K8s 集群莫名丢包？排查两天，发现 nf_conntrack 表满了
neigh	新 Pod 无法通信？ ARP 邻居表满了，大规模 K8s 经典暗坑
sysctl	精心调优的内核参数，内核升级后静默回到默认值
filefd	系统级 fd 耗尽，所有服务同时报错
tcpstate	CLOSE_WAIT 堆积到上万，连接泄漏
sockstat	TCP listen 队列溢出，请求被静默丢弃
netif	网卡错误包 / 丢包持续增长
ntp	时钟偏移导致日志乱序、token 失效

进程与服务

插件	一句话说明
procnum	进程存活检查
procfd	单进程 fd 使用率，预防 too many open files
zombie	僵尸进程检测
systemd	systemd 服务状态
docker	容器运行状态、频繁重启、健康检查

日志与脚本

插件	一句话说明
logfile	纯文本日志关键字匹配（支持轮转、glob 、多编码）
journaltail	journalctl 日志匹配，监控 OS 异常、硬件故障、OOM 等关键信号
exec	执行脚本，按输出产生事件，支持 Nagios 插件脚本
scriptfilter	脚本输出行过滤告警

5 分钟快速体验

第 1 步：下载

从 GitHub Releases：https://github.com/cprobe/catpaw/releases 下载对应平台的二进制文件。

建议把原始代码也 clone 下来，有任何问题都可以让 AI 分析代码，这个时代，有代码了，几乎所有问题都可以通过 AI 解决。比如咨询 AI：各个插件是什么含义，怎么配置比较合理，等等。

第 2 步：启动测试

把下载的发布包（如 catpaw-v0.9.0-linux-amd64.tar.gz）解压缩。

配置文件：conf.d/config.toml，可以先维持默认配置，后面再说。各个插件配置文件：conf.d/p.<plugin>/<plugin>.toml，比如：conf.d/p.disk/disk.toml，conf.d/p.cert/cert.toml，等等，也先维持默认。

启动测试：

# 测试模式：告警事件直接输出到终端
./catpaw -test
...
{"level":"info","ts":"2026-03-01T17:24:22+08:00","caller":"agent/agent.go:93","msg":"loading plugin","plugin":"secmod"}
{"level":"info","ts":"2026-03-01T17:24:22+08:00","caller":"agent/agent.go:93","msg":"loading plugin","plugin":"http"}
{"level":"info","ts":"2026-03-01T17:24:22+08:00","caller":"agent/agent.go:93","msg":"loading plugin","plugin":"cpu"}
...

如果一切正常，终端仅会输出一堆 info 日志，表示插件加载成功——没消息就是好消息。只有检测到异常时，才会打印告警事件，格式类似：

1740820800 03:00:00 a1b2c3d4 Critical check=cert::expiry,from_plugin=cert,target=example.com:443 certificate expires in 3 days
1740820800 03:00:00 e5f6a7b8 Warning  check=disk::space_usage,from_plugin=disk,target=/ disk usage 92.3% >= warn threshold 90.0%

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：

插件	说明	参考
psi	Pressure Stall Information （ CPU/IO/Memory 压力）	读 /proc/pressure/*，Linux 4.20+
smart	磁盘 S.M.A.R.T 健康状态，预测硬盘故障	Nagios check_smart
raid	硬件/软件 RAID 阵列状态	Nagios check_raid
mailq	邮件队列积压检测	Nagios check_mailq
你的场景	你遇到的"早该监控上的"问题	提前与 AI 探讨解法和必要性

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