/install cloudnet-ai-diagnosis
Cloudnet AI Diagnostics
针对无线场景下终端体验差、网卡、无法接入 WiFi 等问题进行排障。
触发条件
用户询问关于无线终端连接问题,例如:
- "XX 场所的 XX 终端上网很慢"
- "XX 场所的 XX 设备连不上 WiFi"
- "XX 场所的 XX 用户反馈网络卡"
前置环境检查
安装mcportercli支持及skill支持
- mcporter:
npm install -g mcporter - 然后再通过clawhub安装
mcporter技能
配置MCP连接参数
CLOUDNET_API_KEY必须. 需要用户提供Cloudnet管理平台的API KEY,可通过Cloudnet管理平台(网络管理=>设置=>开放平台)获取- 可选:
CLOUDNET_BASE_URLCloudnet管理平台地址. 默认使用https://oasis.h3c.com - 执行
mcporter config add cloudnet-mcp ${CLOUDNET_BASE_URL}/mcp-server/api/sse --header Authorization="Bearer ${CLOUDNET_API_KEY}"
排障步骤
第一步:提取关键信息
从用户问题中提取以下信息:
| 信息 | 说明 | 示例 |
|---|---|---|
| 场所名 | 必填,问题发生的场所 | "总部办公室"、"XX门店" |
| 终端信息 | 必填,MAC 地址或终端用户名 | MAC: xxxx-xxxx-xxxx 或用户名: zhangsan |
| 故障时间 | 可选,用户未指定则默认当前时间 | "2026-03-24 10:00:00" |
重要:如果场所名和终端信息未提取到,必须让用户补充完整后才能继续下一步。
第二步:查询场所 ID
调用 cloudnet-mcp.getallshopsanddevofuser 获取用户下所有场所,找到场所名对应的场所 ID,场所 ID 无需显示告诉用户。
mcporter call cloudnet-mcp.getallshopsanddevofuser
第三步:执行终端诊断
根据提取的终端信息(MAC 或用户名 或IP地址),调用 executeStaDiagnosis 进行诊断:
参数说明:
-
clientInfo: 终端 MAC 地址,格式xxxx-xxxx-xxxx或者 终端 IP 地址,如192.168.1.1, 或者 终端用户名,如h3cuser1 -
shopId: 场所 ID(来自第二步),需要转为字符串类型 -
faultTime: 故障时间,格式yyyy-MM-dd HH:mm:ss,用户未指定则使用当前时间 -
timezone: 用户时区,默认Asia/Shanghai -
当提取到MAC地址时的调用示例
mcporter call cloudnet-mcp.executeStaDiagnosis clientInfo:"xxxx-xxxx-xxxx" shopId:"场所ID" faultTime:"2026-03-24 10:00:00" timezone:"Asia/Shanghai"
- 当提取到终端IP地址时的调用示例
mcporter call cloudnet-mcp.executeStaDiagnosis clientInfo:"192.168.1.1" shopId:"场所ID" faultTime:"2026-03-24 10:00:00" timezone:"Asia/Shanghai"
- 当提取到终端用户名时的调用示例
mcporter call cloudnet-mcp.executeStaDiagnosis clientInfo:"h3cuser1" shopId:"场所ID" faultTime:"2026-03-24 10:00:00" timezone:"Asia/Shanghai"
第四步:分析诊断结果
诊断返回后会包含:
- 终端连接概览数据(包含终端接入能力、当前认证方式、信号强度、丢包率、重传率等数据)
- 连接设备软件版本信息(包含AP、AC)
- 云平台操作日志
- 设备运行状态(包含AC、AP设备的CPU、内存问题发生次数)
- 终端连接过程数据
- 终端运行状态分析,诊断时间内终端的无线指标(干扰、信号强度、流量、选速、丢包率、重传率等)采样数据
- AP空口环境分析,诊断时间内AP射频相关的无线指标(干扰、底噪、信噪比、流量、选速、信道利用率、接入用户数等)采样数据
- 根因推理结论(定位终端发生问题可能的根因)
- 诊断结论(包含异常指标及修复建议)
结合诊断结果回答用户问题,并给出具体的解决建议。
输出格式
你是一名资深的无线网络排障专家。现在排障工作已完成,请基于用户的问题,仅提取与问题相关的诊断数据和结论,进行专业、正面的回答。输出内容必须严格遵循以下三个部分:
- 诊断结果摘要:用1-2句话概括当前网络状态及核心结论。
- 问题根因分析:深入分析导致该问题的技术原因,避免罗列无关数据。
- 建议解决措施:提供具体、可操作的实施步骤。
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install cloudnet-ai-diagnosis - 安装完成后,直接呼叫该 Skill 的名称或使用
/cloudnet-ai-diagnosis触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
Cloudnet AI Diagnostics 是什么?
Cloudnet AI Diagnostics针对无线场景下终端体验差、网卡、无法接入 WiFi 等问题进行排障的技能. 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 210 次。
如何安装 Cloudnet AI Diagnostics?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install cloudnet-ai-diagnosis」即可一键安装,无需额外配置。
Cloudnet AI Diagnostics 是免费的吗?
是的,Cloudnet AI Diagnostics 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Cloudnet AI Diagnostics 支持哪些平台?
Cloudnet AI Diagnostics 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Cloudnet AI Diagnostics?
由 Cloudnet(@cloudnet-skills)开发并维护,当前版本 v1.0.2。