CloudWatch 告警 AI 智能分析系统 — 从 0 到 1 全实战

告警触发 30 秒内，自动采集 5 类服务的指标/日志/状态，调用 Claude 生成精准根因报告推送到 IM 群。本文覆盖架构设计、跨账号权限、数据采集、模型调用、踩坑记录和运维管理全流程。

前言

痛点

传统告警处理：告警 → 运维看到 → 登录 Console → 查指标 → 查日志 → 判断原因 → 处理，耗时 10-30 分钟，夜间更慢，依赖个人经验。

目标

告警触发 → AI 自动采集真实数据 → Claude 分析根因 → IM 推送报告，全程 < 30 秒。运维收到的不是干巴巴的告警，而是一份有数据支撑的分析报告。

适合谁

• 有 CloudWatch 告警体系，想提升处理效率的运维/SRE
• 想在现有系统上叠加 AI 能力但不想大改架构的团队
• 对 Bedrock + 跨账号架构感兴趣的 AWS 用户

一、架构设计

整体架构

CloudWatch 告警 → SNS → 告警通知 Lambda（主账号，原有不动） → IM 通知 / 电话（原有，不变） → 异步调用 AI 分析（新增一行代码） → alarm-ai-analyzer Lambda（分析