arkcli Doctor（诊断总入口）

CRITICAL — 开始前 MUST 先用 Read 工具读取 ../arkcli-shared/SKILL.md（认证闸门、命令选择顺序、输出与安全规则）。

它解决什么

arkcli doctor 是 Ark CLI 唯一的对外诊断收口。所有诊断与修复建议都从 arkcli doctor [<scope>] [<id>] 出，诊断命令默认只读；修复动作按命令输出的建议和对应 reference 执行。Agent 拿到用户的报错 / 资源 ID / 含糊问题后，先用本 skill 决定走哪条路径，再 delegate 到对应 scope reference 或错误码 reference。

边界：安装、版本、登录、profile、AK/SK 认证类问题归 arkcli-shared / arkcli-auth；这里只覆盖 arkcli doctor 命令家族（业务侧诊断）。

八个 Domain（一个 skill 收口）

本 skill 一次性覆盖八个平行 domain。每个 domain 一份 reference，按用户场景路由：

Domain	命令	Reference	解决什么
CLI 健康（默认）	arkcli doctor	references/scope-cli.md	本地二进制版本 / 网络联通 / 时钟偏差 / 当前 profile 认证——onboarding 首查
account	arkcli doctor account	references/scope-account.md	identity / realname / balance / IAM Ark 系统预置策略 / VMP 三段 / TOS 开通
错误码	arkcli doctor error <code>	references/error-codes.md	单错误码翻译成结构化诊断 + 修复（含生视频 5 个 subtype + 通用 Ark/公共码）
infer-endpoint	arkcli doctor infer-endpoint <id>	references/scope-infer-endpoint.md	单接入点状态 / 用量 / 错误率 / 配额压力
model	arkcli doctor model <name>	references/scope-model.md	跨接入点的模型整体诊断（用量 / 配额 / top endpoint / 模态自适应指标）
metrics	arkcli doctor metrics <id>	references/scope-metrics.md	36 条具名 PromQL 查询（指标值直出，不打健康判定，给 LLM/SRE 拿数）
report	arkcli doctor report	references/scope-report.md	seedance 2.x 效果问题上报（badcase → 方舟排障平台）
verify-origin	arkcli doctor +verify-origin ...	references/verify-origin.md	对 1-20 个图片/视频 URL 创建来源特征验证任务并轮询官方结果

命令家族

arkcli doctor                                  # CLI 健康（默认 scope，install/connect/config）
arkcli doctor account                          # 账号级诊断（→ references/scope-account.md）
arkcli doctor infer-endpoint <ep-id>           # 单接入点诊断（→ references/scope-infer-endpoint.md）
arkcli doctor model <model-name>               # 模型维度诊断（→ references/scope-model.md）
arkcli doctor metrics <query-id>               # 具名 PromQL 查询（→ references/scope-metrics.md）
arkcli doctor error <error-code>               # 错误码查表（只读，→ references/error-codes.md）
arkcli doctor report --task-id ... --feedback ...   # seedance 2.x 效果问题上报（→ references/scope-report.md）
arkcli doctor +verify-origin <url> [url...]     # 1-20 个媒体来源特征验证（→ references/verify-origin.md）

普通诊断命令是扁平 verb；+verify-origin 是显式的任务型 workflow。--window <duration>（默认 24h）控制 VMP 时间窗；结构化输出优先使用 --format json。修复建议由诊断结果和 reference 给出，不要给 doctor 命令拼接未注册的参数。

来源验证优先路由

用户要验证一个或多个图片/视频是否包含 Ark、Seedance、Seedream 生成来源特征时：

1. 先读取 references/verify-origin.md；
2. 一次命令传入全部 URL，最多 20 个，禁止为每个 URL 各启动一个进程；
3. 第一次调用不带 --yes，获取整批费用披露；这一步不获取 invoker，也不发 Create/Get 业务请求；
4. 完整展示披露，并在披露之后等待用户明确确认；
5. 用户确认后，对同一批参数只加一次 --yes，该确认覆盖整批所有 URL；
6. CLI 内部完成 Create、20 QPS pacing、每 5 秒 Get 轮询；Agent 不写 shell 循环；
7. 最终 stdout JSON 必须成为回复的全部内容，不加解释、摘要、翻译、代码围栏或前后缀。

该路由不用于判断媒体内容真假、假新闻、版权归属、法律认证、内容安全、画质或播放质量。IsOfficial=True/False/Null 只能按服务端原值转交，Agent 不得自行下结论。

核心范式：从用户消息到答案

用户给了具体 Ark 错误码、但没有模型名或 ep-xxx 时，先执行一次只读 arkcli doctor error <code> --format json，再按返回的 category、subtype、root_cause 和对应 reference 解释；不能仅凭报错文案或记忆直接给确定性根因。ModelNotOpen 的查表含义是当前账号未开通该模型，不能无证据扩写成 Key 失效、模型名拼错或网络故障。ServerOverloaded 是服务资源紧张，不能改写成账号配额耗尽；流量突增/冷启动是通用可能原因，不是对该 Request ID 的取证。用户没给具体资源 ID、单次 Trace 时，保留未知并请求所需证据，不编造该资源的健康度或本次请求原因。

聚合 doctor model / doctor infer-endpoint / doctor metrics 只能描述指定时间窗的总体分布，不能证明用户某一次请求采用了非流式、未限制输出、默认高思考档或重试，也不能从 TPOT/Token 均值反推出那次端到端时延的唯一原因。需要单次根因时核对对应请求配置和 Trace，或在相同输入上分别实测档位；没有这些证据就把配置方案写成待验证建议，而不是“已定位的根因”。

[!IMPORTANT] 诊断意图优先于上报意图：先检查用户是否要求“检查 / 诊断 / 排查 / 分析原因 / 为什么 / 看健康 / 看指标”等诊断动作。只要存在任一诊断意图，即使同时说“并上报”，也必须先走 doctor model 或 doctor infer-endpoint；诊断返回 report_suggestion 且确认是效果类后，再询问用户，用户同意才进入 report（Path A）。只有用户明确要求“直接上报 / 提交 badcase / 反馈到方舟”，且没有任何诊断诉求，上下文又确认是 Seedance 2.x + 效果类问题，才可跳过诊断进入 scope-report.md 的 Path B。用户只是描述“字幕错 / 角色漂移 / 闪烁”等效果问题、但没有说要上报时，同样不得直接跑 report。

[!WARNING] 第一步 MUST 做：扫一遍用户消息里有没有资源 ID（模型名 like doubao-*/seed-* 或 ep-xxx）。除上方已经满足全部门槛、且不含诊断意图的纯上报 Path B 外，只要有资源 ID，就 MUST 走 doctor <scope> <id>，不管同时有没有错误码。资源 ID 在场时直接 doctor error <code> 是错误路径——会丢掉错误率分布、top endpoint、配额压力等关键诊断信号。

反例自检（如果你打算这么干，停下来）：

• ❌ 用户说「我的 doubao-seedance-1-0-pro 一直报 ContentRiskBlocked」 → 你跑 arkcli doctor error ContentRiskBlocked

• ✅ 正解：跑 arkcli doctor model doubao-seedance-1-0-pro，再按返回的错误码分布加载 error-codes.md 的 subtype 段

• ❌ 用户说「ep-xxx 报 ModelAccessDenied」 → 你跑 arkcli doctor error ModelAccessDenied

• ✅ 正解：跑 arkcli doctor infer-endpoint ep-xxx，再加载 error-codes.md 的 model_access_denied 段

 用户消息（自然语言 / 错误 JSON / "看看 ep-xxx" / 错误码 / request_id）
        │
        ▼
 ① 抽取关键值：error_code / error_message / resource_id (ep-xxx / model-name) / request_id
        │
        ▼
 ② 按下表决定 Path（**有 resource_id 一律 Path 1 / Path 3**，不要降级到 Path 2）
        │
        ▼
 ③ 跑相应 doctor 命令 + 加载对应 reference
        │
        ▼
 ④ 摘 findings + recommended_fixes 给用户（不复述完整 JSON）
        │
        ▼
 ⑤ 修复命令一律先给用户看、等确认；不要替用户执行写操作

路径决策表

	有错误码	无错误码
有资源 ID	Path 1（最理想）：跑 doctor <scope> <id> + 加载 error-codes.md 对应 subtype	Path 3：跑 doctor <scope> <id> 看整体（状态/用量/错误率/配额）
无资源 ID	Path 2：直接 doctor error <code> 查表 → 加载 error-codes.md；不跑 scope	Path 4/5：只有 request_id 或啥都没有 → 追问用户要资源 ID 或具体错误信息

暂不支持 request_id 反查能力（涉及鉴权与平台内部数据）。Path 4/5 不要瞎猜，直接追问。

回答证据分级

只有 request_id / x-request-id / LogID 时，明确说明当前 doctor 不能反查单条 日志或 trace；请求用户补充错误码/完整错误 JSON、资源 ID，或发生时间与症状。 不要把 Request ID 传给 doctor error 当错误码，也不要把资源聚合诊断称为该请求的 调用链。只有 ID 且无法补充时，保留它供工单/支持排查，不承诺控制台必有跨服务日志权限。

先区分证据来源：doctor error 是本地错误码目录，返回的 root_cause 是通用解释， 不是对该账号或某个 Request ID 的日志取证。资源诊断和 metrics 的聚合值必须带上实际 资源、时间窗口与可用状态；空数组、缺失字段、查询失败不能改写成“零错误”或“健康”。 建议修复不等于已经修复；没有执行并验证的动作只能列为下一步。

最终回答必须把内容分为以下三类，不能把相关性或建议写成已证实根因：

• 证据：只引用本轮 doctor stdout 中的字段、数值、状态和错误码，并注明来源字段。
• 推断：基于证据给出的原因判断，显式使用“推断”“可能”或“符合某种模式”等措辞；不要把相关性写成已确认因果。
• 未知：doctor 未覆盖或当前数据无法证明的事项，明确说明缺少什么证据以及可行的下一步。仅有 request_id 时属于这一类，不能声称已查到该请求的日志或 trace。

[!IMPORTANT] Path 1 vs Path 2 不要走错：只要用户消息里既给了错误码又给了资源 ID（模型名 / ep-xxx），MUST 走 Path 1（先 doctor <scope> <id> 拿到该资源在该错误码上的真实分布 / 占比 / top endpoint，再加载 error-codes.md 对应 subtype 解读修复）。不要直接 doctor error <code> 当成 Path 2 处理——那会丢失模型上下文（错误率分布、top endpoint、配额压力等关键诊断信号）。

Path 1 触发条件示例：

• 「我的 doubao-seedance-1-0-pro 一直报 ContentRiskBlocked」 → doctor model doubao-seedance-1-0-pro，不是 doctor error ContentRiskBlocked
• 「ep-xxx 报 ModelAccessDenied」 → doctor infer-endpoint ep-xxx，不是 doctor error ModelAccessDenied
• 只有用户只给错误码 / 错误 JSON、没给资源 ID 时（Path 2），才直接查表。

[!NOTE] 不要为 doctor model / doctor infer-endpoint 做兜底前置调用：这两条命令内部已经先跑 model.exists / endpoint.exists，覆盖了"模型/接入点是否存在"。不要在调用前先跑 arkcli models list / arkcli infer endpoint list / arkcli auth status 等做存在性 / 身份兜底——doctor 命令失败时会自己报清楚原因（404 / VMP precheck / 鉴权），按它的输出处理即可，多余兜底徒增 token 消耗。

路由到 scope reference

按 scope 找 reference：

scope	reference	触发的用户语义
默认（CLI 健康）	references/scope-cli.md	刚装 arkcli 能用吗 / 突然跑不通 / 网络联通 / 时钟偏差 / 当前 profile 认证
account	references/scope-account.md	没权限 / 账号被冻结 / 子账号没 Ark 权限 / VMP 跨服务授权 / 实名 / 余额 / TOS
infer-endpoint	references/scope-infer-endpoint.md	ep-xxx 报 429 / 慢 / 状态异常 / 报某错误码 / 想看用量与配额压力
model	references/scope-model.md	跨接入点看模型整体；模型级配额压力；按模态自适应的延迟与生成时长指标

路由到错误码 reference

所有错误码诊断细则集中在一个文件：references/error-codes.md。arkcli doctor error <code> 返回的 JSON 里 reference 字段统一指向该文件，subtype 字段告诉你跳到哪个小节。

完整 subtype 路由

业务领域	subtype	跳节
方舟错误码	input_real_face	error-codes.md §1.1.1
方舟错误码	input_copyright	error-codes.md §1.1.2
方舟错误码	input_content_safety	error-codes.md §1.1.3
方舟错误码	output_video_copyright	error-codes.md §1.1.4
方舟错误码	output_video_safety	error-codes.md §1.1.5
方舟错误码	model_access_denied	error-codes.md §1.2
方舟错误码	rate_limit_exceeded	error-codes.md §1.3

其余 Volc 原生码已在 error-codes.md 各 section 索引表里覆盖（含 HTTP / 释义 / 处理方式）。error-codes.md 顶部目录是首要导航入口。

doctor 的前置依赖闸门（VMP / TLS / TOS 跨服务授权）不是 API 错误码，由 arkcli doctor account 输出 + arkcli-shared / arkcli-auth 联合处理。

新错误码贡献流程：CONTRIBUTING.md。

doctor 输出 schema（按需消费）

doctor 命令家族输出两套 JSON schema——按命令分。

A. 各 scope 命令（arkcli doctor / account / infer-endpoint / model）

arkcli doctor <scope> <id> --format json 返回一份结构化 JSON。不要做严格 schema 校验——字段会随版本增减（如 TTFT/TPOT/replicas 等指标），按字段名按需取；这不表示支持 request_id 反查。

注意：默认 CLI scope（arkcli doctor 无参）的 schema 是扁平三段（installation / connectivity / configuration），跟业务 scope 的通用字段（checks[] / findings[]）不对齐——CLI 段项目固定且少，直接看字段即可。业务 scope 遵循下表：

顶层字段	含义
scope	cli / account / model / infer-endpoint
subject	资源 ID（model name / endpoint id），CLI 与 account 留空
window	VMP 时间窗（如 24h）
checks[]	各 check 项的 raw 结果：{ id, status: pass/warn/fail/skip, value, message }
findings[]	聚合后的问题清单：{ severity, error_code?, root_cause, evidence }
recommended_fixes[]	修复建议：{ id, kind: skill/url/command, target, reversibility }
error.blocking_dependency?	前置依赖未通过（如 VMP 三段授权失败），命令终止 + 引导 fix

B. arkcli doctor error <code> 单错误码查表

这条命令是只读查表——不需登录、不消耗推理 token——把一个错误码翻译成结构化诊断。返回字段：

字段	含义
category	顶层类别（如 policy / permission / quota / infrastructure）
subtype	类别下的子类型（如 input_real_face / model_access_denied / rate_limit_exceeded）
code	命中的火山真实错误码（原值回显，用于确认输入原码）
root_cause	根因，用户友好的一句话
hint	修复指引（可跑的命令，或需用户做的动作）
rules	触发信号候选；多个 = 复合错误码，需消歧（按 reference 里的判定步骤择一）
needs_backend	依赖但尚未上线的能力（如 deface）——不要假装能自动修
skill	固定 arkcli-doctor（就是本 skill）
reference	统一是 error-codes（指向 references/error-codes.md）；用 subtype / code 定位具体小节

给用户看时：按“证据 / 推断 / 未知”分层，摘 findings + recommended_fixes（scope 命令）或 root_cause + reference 段里的修复方案（error 命令），不要复述完整 JSON；建议执行需用户二次确认。

聚合 vs 原始时序

doctor 默认输出的是聚合统计值（如 error_rate、ttft.p99、tpm_peak）——一个数概括一段时间，足够判断"健康吗 / 配额够吗"。

底层数据来自 VMP 的 Prometheus 时序流，但 doctor model / doctor infer-endpoint 当前只返回聚合统计，不提供切换为原始时序的参数。聚合会平均掉突发与抖动，回答不了“是不是某一刻爆发的 / 是稳定高还是脉冲撞顶”；需要原始时序时，转到 references/scope-metrics.md 核对现有具名查询或 raw 查询能力，不要编造参数。

用户问什么	用哪种
"现在怎么样 / 健康吗"	聚合（默认）
"什么时候开始 / 持续多久 / 突发还是稳态"	原始时序

详细决策规则与每类指标的时序分析方法见 references/scope-infer-endpoint.md 的"聚合统计 vs 原始时序"段。

安全与边界

• 只读优先：arkcli doctor 默认只读体检，不消耗推理 token、不改任何资源。
• 来源验证是显式例外：doctor +verify-origin 会创建远端异步任务，Volc 新建批次可能收费；整批只确认一次，确认前禁止获取 invoker 或发任何请求。
• 修复建议不等于自动执行：doctor 诊断结果和 reference 只负责给出修复路径；真正执行其它命令前必须先展示影响，写操作继续遵守对应命令的确认门。
• 越权边界：控制面调用使用当前身份的 AK/SK 或 SSO 派生 STS 签名；不读平台内部数据（k8s / 调度器等），不跨账号横比。
• 不替用户烧 token：诊断本身不烧 token，但修复方案如果是重新 +gen / +chat，先把命令给用户看、等确认。
• 不假装能修没上线的能力：needs_backend 字段非空（如 deface）时如实告诉用户该能力尚未上线，给可行替代。

VMP 前置检测与 --auto-bind

arkcli doctor metrics / model / infer-endpoint 三条命令都依赖 VMP（托管 Prometheus）数据，调命令前会按顺序自动检测三件事：

1. VMP 订阅（GetSubscription）—— 账号是否已开通 VMP；
2. 跨服务授权 SLR（IAM CheckServiceLinkedRole，ServiceName=ark）—— 是否已为 ark 建过服务关联角色；
3. Telemetry 绑定（Ark ListTelemetryConfigs）—— 是否已把某个 VMP workspace 绑到 ark observability。

任何一步没通过，命令直接报 *output.ExitError 并附 LinkOpenMgmtCloudProduct 跳转链接（云产品开通页 + cloudProduct 抽屉），不会替用户开通订阅或建 SLR——这两步必须在控制台勾「同意条款」。

只有"前两步通过、第三步缺绑"这一种情形可以让 CLI 自动收尾：

# 默认行为：未绑定时直接报错并提示加 --auto-bind
arkcli doctor metrics request.qpm

# 自动建 ark_default workspace（vmp.standard.15d / 防误删）+ 调
# CreateTelemetryConfig 绑到 ark observability
arkcli doctor metrics request.qpm --auto-bind
arkcli doctor model <model-name>          --auto-bind
arkcli doctor infer-endpoint <endpoint-id> --auto-bind

行为细节：

• 账号下已有任意 workspace → 复用第一个；没有 → 建 ark_default；
• metrics 子命令显式传 --workspace-id <uuid> 时跳过 precheck，尊重多账号 / 联调场景。

什么时候建议加 --auto-bind：

• agent 自动化路径（确认账号已订阅 + 已建 SLR），让命令幂等地把 telemetry 绑好；
• 用户已在控制台勾过条款、只差最后一步建 + 绑 workspace。

什么时候不加：

• 账号还没订阅 VMP / 没建 SLR——加了也没用，CLI 仍只会给跳转链接；先去控制台。

配额压力阈值（默认）

doctor 对 RPM/TPM 配额压力的阈值是写死的（用户后续可配置）：

占比	severity	表现
≥95%	fail	已经/即将限流，立即提配额
≥80%	warn	高压，建议提配额或调流量分布
≥50%	info	健康但有空间
<50%	pass	充裕

错误率默认阈值 5% 以上 warn，具体 scope 的 reference 可在自己的细则里覆盖。

何时 不 用本 skill

• 用户问 arkcli 怎么装 / 怎么登录 / profile 怎么切 → arkcli-shared / arkcli-auth
• 用户想部署新 endpoint → arkcli-deploy（不是诊断）
• 用户想列/启停/更新 endpoint → arkcli-infer-endpoint
• 用户想看用量明细（不带『为什么/异常』判断） → arkcli-usage
• 用户想看模型基础元信息（参数 / 价格 / 支持参数） → arkcli-models

参考

• references/scope-cli.md — CLI 健康检查（默认 scope）细则
• references/scope-account.md — 账号级诊断细则（identity / compliance / permissions / ecosystem）
• references/error-codes.md — 错误码总册（生视频 + 通用 Ark + 公共码）
• references/scope-infer-endpoint.md — 单接入点诊断细则
• references/scope-model.md — 单模型诊断细则
• references/scope-report.md — seedance 2.x 效果问题上报（badcase report）
• references/verify-origin.md — 1-20 个图片/视频来源特征验证、整批费用确认与严格结果转交
• references/evals.md — 来源验证 trigger、一次整批确认、恢复与严格转交回归
• CONTRIBUTING.md — 加错误码 / scope check / fixer 的贡献入口
• arkcli-shared — 认证 / 命令选择 / 安全规则
• arkcli-infer-endpoint — endpoint CRUD（doctor 不重复实现）
• arkcli-models — 公共基础模型查询