AI Skill 与 Agent 工作流#

rauto 自带 rauto-usage Skill，让 AI 编码 Agent 直接理解当前 CLI、Web 控制台、JSON 模型与安全规则，而不是依靠通用网络知识猜测命令。

这个 Skill 适合让 AI 帮你：

• 检查已保存设备、凭证、分组、标签、Profile 与 show 对象
• 通过 rauto show 完成安全的只读巡检
• 自动发现 SSH 设备，并按确认结果保存连接
• 生成完整的事务、workflow 或多设备编排 JSON
• 使用当前安装的 rauto 二进制校验 AI 生成的计划
• 在明确要求时启动本地 Web 控制台或托管 Agent
• 汇总执行结果，并定位可供回放的 session 记录

#安装 Skill

使用 Skills CLI 从 rauto 仓库安装：

npx skills add demohiiiii/rauto --skill rauto-usage

需要安装到用户级目录时添加 --global：

npx skills add demohiiiii/rauto --skill rauto-usage --global

Skills CLI 会检测支持的 AI Agent，并管理对应的 Skill 目录。需要明确指定一个受支持的 Agent 时，可以添加 --agent <agent>。

Skill 源码位于 skills/rauto-usage/，其中包括操作手册、当前 JSON 模板、设备发现说明、故障排查资料，以及调用 CLI 做真实校验的计划校验器。

#Skill 与 Agent 模式不是一回事

这里的两个“Agent”解决的是不同问题：

安装 Skill 不会启动服务或暴露 API；启动 rauto agent 也不会自动把 Skill 指令提供给 AI 助手。

#为 AI 操作准备 rauto

认证信息和目标身份应保存在 rauto 中，不要放进提示词。

rauto credential add network-admin

rauto device add core-01 \
  --host 192.168.1.10 \
  --credential network-admin \
  --device-profile autodetect

rauto device test --connection core-01

之后 AI 只需要引用 core-01 和 network-admin。凭证的 list/show 输出只包含元数据，不会返回明文秘密。

如果需要批量操作，先创建设备分组或标签。AI 就可以通过 --group、--label、target_groups 或 target_tags 明确作用范围，而不需要生成内联凭证。

#先让 AI 检查，再决定动作

在 Codex 中可以显式点名 Skill：

使用 $rauto-usage。先列出已保存设备与可用 show 对象，再对 access 分组
执行只读版本巡检。不要修改配置。返回实际执行命令和每台设备的简要结果。

Skill 会引导 AI 优先使用稳定的 show 对象，而不是直接拼原始命令：

rauto device list --json
rauto show --list --device-profile cisco_ios
rauto show version --group access --max-parallel 4

只有在内置或自定义 show 对象都不适合时，才应该回退到 rauto exec。

#让 AI 生成安全的配置变更

涉及配置变更时，提示 AI 在真实执行前停下来：

使用 $rauto-usage，为已保存的 access-switch 分组生成 VLAN 120 的可回滚
workflow。加入只读预检、并发上限和回滚命令。校验完整 JSON 并执行原生
Dry Run，但在我确认最终设备范围和计划之前不要执行真实变更。

推荐流程如下：

1. 检查已保存设备、分组、Profile 和可用 mode。
2. 生成完整的 tx-workflow 或 orchestrate JSON。
3. 使用 Skill 内的 validate_json_plans.py 校验。
4. 执行 rauto tx-workflow ... --dry-run 或 rauto orchestrate ... --dry-run。
5. 展示目标范围、并发、失败策略、命令与回滚行为。
6. 等待明确确认后，再执行真实变更。
7. 汇总结果，并保留 session 记录用于审计或回放。

如果当前就在 rauto 源码仓库中，可以直接运行：

python3 skills/rauto-usage/scripts/validate_json_plans.py \
  --kind orchestration \
  --file ./campus-rollout.json

rauto orchestrate ./campus-rollout.json --dry-run

校验器会调用当前 rauto CLI，因此 AI 生成的 JSON 会对照当前运行时模型校验，而不是依赖一份可能过期的复制版 schema。

#常用提示词

#发现设备，但不自动全部导入

使用 $rauto-usage，通过已保存的 network-admin 凭证扫描 192.168.60.0/24。
只显示新识别的 SSH 设备，不要自动保存；先让我检查结果，再导入选中的设备。

#诊断配置漂移

使用 $rauto-usage，拉取 core 分组的 running 配置，同时输出归一化内容和
SHA-256 哈希。比较结果并报告漂移。这是只读操作，不要执行配置命令。

#启动本地 Web 控制台

使用 $rauto-usage，按默认 loopback 地址启动 rauto web，保持进程运行，
并告诉我本地访问地址以及 Web 密码的处理方式。

#建议保留的安全规则

• 不要把密码、私钥和 Enable 密钥写进提示词，统一引用已保存凭证名称。
• 读取优先使用 show 和 config fetch，变更优先使用带回滚的事务命令。
• 模糊或破坏性变更，以及带 --replace 的恢复操作，都应先获得明确确认。
• 执行前检查设备分组、标签、max_parallel、fail_fast 和回滚行为。
• 不要对非幂等配置变更启用 session retry；它具有至少执行一次语义。
• 除非明确需要网络访问，否则让 rauto web 保持监听 127.0.0.1。
• AI 输出首先只是计划，只有当前运行时校验和 Dry Run 都通过后才进入执行阶段。

#下一步

• 设备凭证
• 命令选型与 CLI
• 事务与多设备编排
• 运行时数据与配置