12 YAML-запросов к нейросети, которые заменяют дежурного SRE в Kubernetes

Kubernetes — это мощная, но сложная система. Даже опытные инженеры тратят часы на диагностику падающих подов, написание манифестов и настройку сетевых политик. Нейросети, такие как ChatGPT и другие LLM, могут стать вашим виртуальным SRE-помощником, если знать, как правильно формулировать запросы. В этой подборке — 12 проверенных промтов, которые покрывают типичные задачи: от разбора CrashLoopBackOff до аудита безопасности кластера. Каждый промт сопровождается примером YAML и пояснением.

Мы разделили их на три категории: базовые (для рутинных операций), продвинутые (для оптимизации и отладки) и экспертные (для архитектурных решений и безопасности). Все примеры протестированы на реальных кластерах, а синтаксис соответствует официальной документации Kubernetes.

Базовые промты

1. Диагностика CrashLoopBackOff

Задача: Под быстро выяснить причину падения пода.
Промт:

Ты — опытный Kubernetes-инженер. Под в состоянии CrashLoopBackOff. Вот вывод `kubectl describe pod <pod-name>` и `kubectl logs <pod-name> --previous`. Проанализируй и предложи шаги для устранения.

Пример результата: Нейросеть укажет на типичные причины: неверный образ, отсутствие секретов, ошибки в liveness-пробе. Например, если в логах Error: secret "db-pass" not found, советует проверить существование секрета и его монтирование.

2. Генерация манифеста Deployment

Задача: Быстро создать YAML для нового сервиса.
Промт:

Сгенерируй манифест Deployment для приложения на Node.js. Образ: myapp:1.2.3. Порт 3000. Реплики: 3. Ресурсы: requests cpu 100m, memory 128Mi; limits cpu 500m, memory 512Mi. Добавь liveness и readiness пробу на /health.

Пример результата:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: myapp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      containers:
      - name: myapp
        image: myapp:1.2.3
        ports:
        - containerPort: 3000
        resources:
          requests:
            cpu: 100m
            memory: 128Mi
          limits:
            cpu: 500m
            memory: 512Mi
        livenessProbe:
          httpGet:
            path: /health
            port: 3000
        readinessProbe:
          httpGet:
            path: /health
            port: 3000

3. Настройка HPA

Задача: Автоматическое масштабирование по CPU.
Промт:

Напиши манифест HorizontalPodAutoscaler для deployment myapp. Целевая загрузка CPU 70%, минимум 2 пода, максимум 10. Используй autoscaling/v2.

Пример результата:

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: myapp-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: myapp
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

4. Создание NetworkPolicy

Задача: Ограничить трафик между подами.
Промт:

Создай NetworkPolicy, которая разрешает входящий трафик только от подов с меткой role=frontend к подам с меткой role=backend на порт 8080.

Пример результата:

apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata:
  name: allow-frontend-to-backend
spec:
  podSelector:
    matchLabels:
      role: backend
  ingress:
  - from:
    - podSelector:
        matchLabels:
          role: frontend
    ports:
    - protocol: TCP
      port: 8080

Продвинутые промты

5. Отладка Ingress

Задача: Ingress не маршрутизирует трафик.
Промт:

Ingress не работает: запросы к /api возвращают 404. Вот конфигурация Ingress и Service. Проверь соответствие путей и портов, предложи исправления.

Пример результата: Нейросеть может обнаружить, что в Service указан порт 80, а в Ingress — 8080, или что путь в Ingress не совпадает с аннотацией rewrite-target.

6. Оптимизация ресурсов

Задача: Снизить затраты, подобрав requests/limits.
Промт:

У меня есть метрики использования CPU и памяти за неделю для пода. Предложи оптимальные requests и limits, чтобы избежать OOMKilled и избыточного резервирования.

Пример результата: Нейросеть проанализирует пиковые значения и порекомендует, например, requests.memory = 256Mi, limits.memory = 512Mi.

7. Написание Helm-чарта

Задача: Упаковать приложение в Helm.
Промт:

Создай структуру Helm-чарта для веб-приложения с параметризацией образа, реплик и ресурсов. Включи Deployment, Service, Ingress.

Пример результата: Будут сгенерированы файлы Chart.yaml, values.yaml и шаблоны с использованием {{ .Values }}.

8. Аудит безопасности

Задача: Проверить манифесты на уязвимости.
Промт:

Проанализируй Deployment на предмет безопасности: проверь, запускается ли контейнер от root, есть ли privileged режим, readOnlyRootFilesystem, и предложи исправления.

Пример результата: Нейросеть укажет на отсутствие securityContext и порекомендует добавить runAsNonRoot: true, readOnlyRootFilesystem: true.

Экспертные промты

9. Миграция с Docker Compose

Задача: Перенести приложение в Kubernetes.
Промт:

Преобразуй docker-compose.yml в набор манифестов Kubernetes: Deployment, Service, ConfigMap, Secret. Учти зависимости между сервисами.

Пример результата: Нейросеть сгенерирует несколько YAML-файлов и пояснит, как связать их через envFrom и volumeMounts.

10. Настройка Service Mesh

Задача: Внедрить Istio для управления трафиком.
Промт:

Как настроить Istio для канареечного развёртывания? Напиши пример VirtualService и DestinationRule для разделения трафика 90/10 между версиями v1 и v2.

Пример результата: Будут предоставлены манифесты с весами и объяснение, как применять их через kubectl.

11. Диагностика сети

Задача: Под не может достучаться до внешнего сервиса.
Промт:

Под не может подключиться к внешнему API. Вот вывод `kubectl exec` с ping и curl. Проверь DNS, NetworkPolicy, egress-правила.

Пример результата: Нейросеть предложит проверить CoreDNS, наличие NetworkPolicy с egress и настройки kube-proxy.

12. Автоматизация с оператором

Задача: Создать кастомный оператор.
Промт:

Напиши на Go простой оператор для управления кастомным ресурсом MyApp. Он должен создавать Deployment и Service при создании MyApp.

Пример результата: Будет предоставлен скелет оператора с использованием Kubebuilder и client-go.

Эти промты помогут вам быстрее решать повседневные задачи и глубже понять Kubernetes. Экспериментируйте, адаптируйте под свои нужды — и нейросеть станет вашим надёжным помощником.

Источники: официальная документация Kubernetes (kubernetes.io), документация Istio, примеры из репозиториев GitHub. Убедитесь, что используете актуальные версии API.

← Все статьи

Комментарии

Читайте также

ISO 9001:2015 (Системы менеджмента качества): Практическое руководство по сертификации с обучением на основе ИИ на asibiont.com

3 июля 2026

Document-borne AI worms: как новый червь поражает Copilot для Word и самораспространяется

29 июля 2026

От хаоса к архитектуре: 12 AI-промтов, которые заменят системному аналитику половину рутины

25 августа 2026

Курс по безопасности ИИ на Asibiont: Освойте защиту LLM, ограничители и красно-командные учения для 2026 года

15 июля 2026

Raspberry Pi + TensorFlow Lite и ASI Biont: как AI-агент оживляет Edge AI для умного дома

16 августа 2026

Как заставить 768 серверов работать как один: фишка Vibe Coding в 2026 году

16 июля 2026

Чёрная дыра как commit: что общего у космоса и контроля версий

7 июля 2026

Курс по графовым базам данных 2026: от Cypher до графов знаний — ваша карьерная дорожная карта

24 июня 2026

Крашенная и не накрашенная: как нейросети преобразили ретушь и что изменилось в 2026 году

19 июля 2026