$ loading_
通过 MCP 监控并优化 Linux 内核指标，关键操作需人工同意更安全。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"KernelMind" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 KernelMind 检查这台 Linux 服务器最近 24 小时的内核指标，重点分析 CPU 调度、内存回收、中断和 I/O 等待，找出异常峰值并给出优化建议。任何会修改系统配置的操作都先列出方案，等待我确认后再执行。
一份内核指标分析摘要，包含异常时段、可能根因、优化建议，以及需人工确认的变更项。
请用 KernelMind 分析当前 Linux 主机的内存压力、页缓存、swap 使用和 OOM 风险，判断是否需要调整 vm.swappiness、dirty_ratio 等内核参数。先给出风险评估和推荐值，只有在我明确同意后才执行修改。
一份内存与 swap 调优建议，说明当前状态、参数调整理由、预期收益与潜在风险。
请通过 KernelMind 为这组 Linux 节点建立内核健康监控基线，列出应持续跟踪的关键指标、正常范围、告警阈值和排障优先级，并生成一份适合运维团队使用的监控建议清单。
一份内核监控基线方案，包含指标清单、阈值建议、告警规则与运维排查重点。
为内部知识检索强制权限控制，确保仅返回和引用用户有权查看的文档。
实时监控 Linux 系统资源、进程与 Docker 运行状态，辅助排障运维。
为 AI 应用接入受物理法则约束的共享知识图谱，支持一致检索与推理。
为代码开发提供高效安全的文件读写、编辑与受限输出能力。
连接 Jupyter 内核并管理笔记本，支持读取、编辑与执行代码单元。
从公司资源提取上下文信息，并以规则、推理、技能和命令提供给编码代理。