在 2026 Apache DolphinScheduler Meetup 技术分享中，由刘小东带来的 DolphinScheduler Agent 解决方案一经亮相，便成为社区焦点。这套打通「群聊告警→智能诊断→自动恢复→报告闭环」的全链路系统，可以很好地解决传统运维碎片化、高耗时、反复跨系统跳转的痛点，让大数据任务故障处理从“人肉奔波”迈入“智能自治”时代。
目前，项目核心支撑工具 dolphinscheduler-cli（dsctl）已正式在 GitHub 开源，面向所有开发者免费使用！
日常使用 DolphinScheduler 时，任务失败处理一直给运维带来不小的压力。
你一定熟悉这样的流程：飞书群弹出告警 → 打开 DS UI 查实例状态 → 翻日志定位失败原因 → 对照 Runbook 判断风险 → 人工决策操作 → 再回到群里回复结果……
真正拖慢效率的，从来不是执行某条命令，而是上下文在多个系统间反复断裂。事实、证据、风险分散在不同工具里，运维人员把大量时间浪费在“找信息、拼逻辑、补上下文”上，协作断点多、排查成本高、故障恢复周期被无限拉长。
而这一切，在 DolphinScheduler Agent 面前，将成为历史。
针对上述断点，DolphinScheduler Agent 方案的目标非常清晰：把一次失败告警，变成一条连续、可追踪、可沉淀的处理链路。旧方式是告警、UI、日志、群聊、复盘各自独立，全程依赖人肉协作；新方式则以飞书告警为起点，经由 Channel 会话、智能编排、执行控制、验证回复，最终沉淀为报告，让故障从触发到闭环一气呵成，不再需要人工在多系统间反复跳转。
简单来说，就是告警发出来，Agent 自动接手；处理完成，自动在群内回复结果，并输出完整事故报告。运维人员只需要看结论，不再需要“跑断腿”。
五层硬核架构：不是简单脚本，
是安全可控的智能控制链
很多人会误以为，自动化运维就是“机器人+脚本”。
但 DolphinScheduler Agent 走了一条更稳健、更工程化的路——五层解耦控制链，每一层各司其职，层层递进，既保证执行能力，又牢牢守住安全边界。
- L1 事件与协作
告警直接进入飞书线程，支持人工随时介入与追问，以 workflowInstanceId 作为唯一事故锚点，信息不丢失、不分散。 - L2 会话接入
飞书事件同步至本地会话，全程保持上下文连贯，彻底消除跨系统切换带来的断点问题。 - L3 智能编排
由 Claude Code 负责信息组织与调用顺序编排，Skill 承载 DS 领域专业规则，让决策更精准。 - L4 执行控制
由 dsctl 统一承担读证据、修故障、验结果的核心动作，标准化命令，稳定可复用。 - L5 沉淀治理
自动完成飞书群快捷回帖、事故报告生成、审计日志留存，兼顾实时协作与后续复盘。
这样的设计切中运维人员的需求，架构解耦，能力才能稳定扩展；边界清晰，自动化才敢上线生产。
在五层架构之上，四大模块紧密配合，让整套系统“能用、好用、敢用”。
Channel：飞书原生入口，一站式协同
飞书群既是告警入口、协作界面，也是结果回执页。Agent、人工、值班流程在同一线程内协同，群内只展示精简结论，详细证据沉淀至报告，沟通高效、证据可查。
Runtime：智能编排引擎，规则与执行分离
Claude Code 负责会话逻辑编排，Skill 承载故障响应、工作流设计、数据质量等专业规则。
编排、规则、执行三层解耦，系统可稳定扩展，持续迭代升级。
Control Plane：dsctl 统一控制面，自动化的“执行底座”
dsctl 是整个 Agent 的能力核心，提供标准化、可被自动化调用的 CLI 能力：
- 读证据：doctor / digest / log 快速定位故障现场
- 修实例：recover-failed / edit --dry-run 安全修复，支持预演
- 验结果：watch 实时监控状态，digest 输出总结
- 统一输出：所有动作标准化返回，可观测、可追溯、可审计
正是有了 dsctl，手动命令才能变成稳定的自动化能力。
7 步标准闭环：双路径保障，生产环境更放心
从告警触发到复盘沉淀，Agent 严格遵循 7 步标准状态机：告警解析 → 诊断 → 决策 → 执行 → 验证 → 回复 → 沉淀
- 面对低风险、证据充足的场景，自动走顺利路径：读证据→生成执行计划→恢复失败任务→验证→群内短回帖 + 输出报告
- 遇到证据不足、高风险或验证失败，则走升级路径：转交人工，保留完整上下文，不虚假上报成功
全程可追溯、可审计、可复盘，真正做到放心上线、稳定运行。
Safety：四级风险管控，安全是第一前提
生产环境的自动化，安全永远比速度更重要。
系统按风险等级设置边界，将操作分为四类：
- 自动+防护：recover-failed 等低风险恢复操作
这样就明确了系统的核心安全主张：Agent 的强大，不在于“敢跑”，而在于知道“什么时候不跑”。
为了保证在生产环境安全落地，Agent 采用分步放权、小步迭代的路线，以确保生产稳定：
- V1 阶段：开放 recover-failed 低风险自动恢复；
- V3 阶段：沉淀 Runbook / Skill，面向社区共建。
这套方案最有价值的，不是某个提示词，而是 Channel + Skill + CLI + Report + Safety 一整套可复制、可迁移的工程化边界。
为了大家能对 DolphinScheduler Agent 的能力有直观的理解，刘小东还在现场进行了 Demo 演示，详见文首视频 57:10 及以后内容。⬆️
好消息是，支撑 DolphinScheduler Agent 实现全能力的核心项目 dolphinscheduler-cli（dsctl）已正式开源！
GitHub 地址：https://github.com/sketchmind/dolphinscheduler-cli
项目提供完整命令行工具，支持：
项目采用 Apache-2.0 开源协议，支持 pip 一键安装，兼容 DolphinScheduler 3.3.2 / 3.4.0 / 3.4.1 等主流版本，开箱即用。
DolphinScheduler Agent 的出现，重新定义了大数据任务运维范式：把人从重复、琐碎、跨系统跳转中解放出来，让系统负责处理故障，让人专注决策与治理。
从告警弹出，到自动恢复、自动回帖、自动沉淀报告，一键闭环，全程无忧。如果运行顺利，运维真的可以说是 “躺着把活干了”。
欢迎所有 DolphinScheduler 用户、运维开发者、大数据工程师前往 GitHub 体验 dsctl，一起参与社区共建，让运维更简单、更智能、更高效！
- GitHub: https://github.com/apache/dolphinscheduler
- 官网：https://dolphinscheduler.apache.org/en-us
- 订阅开发者邮件：dev@dolphinscheduler@apache.org（向邮箱发送任意内容，收到邮件后回复同意订阅即可）
- YouTube：https://www.youtube.com/@apachedolphinscheduler
- Slack：https://join.slack.com/t/asf-dolphinscheduler/shared_invite/zt-1cmrxsio1-nJHxRJa44jfkrNL_Nsy9Qg
同样地，参与Apache DolphinScheduler 有非常多的参与贡献的方式，主要分为代码方式和非代码方式两种。
非代码方式包括：
完善文档、翻译文档；翻译技术性、实践性文章；投稿实践性、原理性文章；成为布道师；社区管理、答疑；会议分享；测试反馈；用户反馈等。
代码方式包括：
查找Bug；编写修复代码；开发新功能；提交代码贡献；参与代码审查等。
贡献第一个PR(文档、代码) 我们也希望是简单的，第一个PR用于熟悉提交的流程和社区协作以及感受社区的友好度。社区汇总了以下适合新手的问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3A%22first+time+contributor%22优先级问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3Apriority%3Ahigh如何参与贡献链接：https://dolphinscheduler.apache.org/zh-cn/docs/3.2.2/%E8%B4%A1%E7%8C%AE%E6%8C%87%E5%8D%97_menu/%E5%A6%82%E4%BD%95%E5%8F%82%E4%B8%8E_menuhttps://github.com/apache/dolphinscheduler
