kubernetes-patterns Skill：让 Claude Code 写出生产级 K8s YAML 的技能包

Skill超级捕获手 技术创作者 2026-07-27 94 阅读

写生产级 Kubernetes YAML再也不用手查文档了。ECC 团队把 Deployment、Probes、RBAC、HPA、ConfigMap/Secret 等高频场景封装成一份 SKILL.md，Claude Code 加载后直接输出符合生产标准的 YAML 模板 + kubectl 调试命令，是目前最完整的 K8s 编码 Skill 之一。

功能与原则

ECC kubernetes-patterns 专注于一件事：让 AI 写对的 Kubernetes YAML。

它不是泛泛的示例，而是一套经过生产验证的模板 + 决策表，涵盖：

  • Deployment 模板：安全上下文、RollingUpdate 策略、三种 Probe、资源限制、环境变量注入，一步到位
  • Probe 配置：startup/liveness/readiness 何时用、failureThreshold × periodSeconds 怎么算，给出决策表和正确写法
  • Service 与 Ingress：ClusterIP / LoadBalancer / TLS Ingress，含 cert-manager 注解
  • ConfigMap 与 Secret：envFrom、文件挂载、外部 Secrets 方案（Sealed Secrets / ESO）
  • RBAC：最小权限 ServiceAccount → Role → RoleBinding 链路
  • HPA 与 PDB：自动扩缩容和节点排空安全配置
  • Job 与 CronJob：一次性 / 定时任务，含正确 restartPolicy
  • kubectl 调试速查：CrashLoopBackOff、OOMKilled、pending pods、镜像拉取错误的诊断命令

设计原则：可复制粘贴的生产级代码 + 何时用、怎么改、哪里易错的完整说明。

认可度

ECC 本身是 GitHub 超大型开源项目：截至 2026-07-27 约 211.9K ⭐、32.5K Fork、230+ 贡献者，覆盖 12 种语言生态，曾获 Anthropic Hackathon 冠军。kubernetes-patterns 作为 ECC 200+ 内置 Skill 之一，继承了整个项目的工程化积累。

ECC 的 npm 包 ecc-universal 周下载量达数万，说明实际使用群体庞大。

链接

GitHub：https://github.com/affaan-m/ECC

kubernetes-patterns Skill 直接链接：https://github.com/affaan-m/ECC/tree/main/skills/kubernetes-patterns

原作者

Affaan Mustafa（GitHub @affaan-m），ECC (Everything Claude Code) 项目维护者。该项目是他的日常工程工作流沉淀，经过 10 个月以上的密集使用和 2000+ commits 迭代，定位是”AI Coding Agent 的操作系统级工具链”。

介绍

ECC 是目前最完整的 AI Coding Agent 增强系统之一，不仅包含 Skills，还包含 Instincts（记忆优化）、Hooks（自动化工作流）、Rules（工程规范）、MCP 配置等模块。kubernetes-patterns 是其中的 K8s 专项 Skill。

这个 Skill 的核心价值在于：解决了 AI 写 K8s YAML 时”语法对但配置错”的问题。例如：

  • 很多 AI 会写 initialDelaySeconds: 60 作为 livenessProbe 的启动延迟，但没有正确理解 startupProbe 的机制，导致慢启动应用被误杀
  • 很多 AI 不知道 ConfigMap 挂载为文件时的 items 写法
  • 很多 AI 不清楚 HPA 和 PDB 的配合使用场景

kubernetes-patterns 通过带完整上下文的生产模板 + 决策表来解决这些问题，AI 加载后不再靠”感觉”写 YAML，而是对照场景查表。

特点

  • 生产级 Deployment 模板：securityContext（runAsNonRoot、allowPrivilegeEscalation: false、readOnlyRootFilesystem: true）、所有三种 Probe、资源限制、环境变量注入，一份模板覆盖所有安全配置
  • Probe 决策表：明确 startupProbe 适用慢启动应用（JVM/Python），livenessProbe 负责检测死锁，readinessProbe 负责临时不可用；给出 failureThreshold × periodSeconds 的正确计算
  • RBAC 最小权限模板：ServiceAccount → Role → RoleBinding 完整链路，而非直接给 cluster-admin
  • HPA + PDB 联动：自动扩缩容配合节点排空安全策略
  • kubectl 调试速查：CrackLoopBackOff / OOMKilled / pending / ImagePullError 四类常见错误的诊断命令
  • 反模式清单：明确列出哪些写法是错误的（如 :latest 镜像、initialDelaySeconds 滥用等）

使用方法

ECC 内的 Skill 无需单独安装，直接加载整个 ECC 即可使用所有 Skill：

# 方式1：安装完整 ECC
npx ecc install affaan-m/ECC

# 方式2：通过 skills CLI（跨平台）
npx skills add affaan-m/ECC -g

加载后，在 Claude Code 中激活 Kubernetes 相关任务，AI 会自动调用 kubernetes-patterns Skill，例如：

  • “帮我写一个生产级 Deployment”
  • “配置 HPA 自动扩缩容”
  • “Debug 一个 CrashLoopBackOff”
  • “写一个带 RBAC 的定时任务”

AI 会直接输出符合生产标准的 YAML 模板，并附带修改建议和调试命令。

使用场景与人群

适用场景：

  • 在 K8s 上部署微服务 / 后台服务
  • 写 CI/CD 的 K8s manifest
  • 代码审查时检查 K8s YAML 安全性
  • Debug 生产 K8s 问题
  • 学习 K8s 生产最佳实践

目标用户：

  • 后端工程师 / DevOps 工程师
  • 使用 Claude Code / Codex / Cursor 等 AI 编程工具的开发者
  • 需要在 K8s 环境写 YAML 但不确定最佳实践的初中级 K8s 用户

输入与输出案例

案例1：写一个生产级 Deployment

输入：

帮我写一个 Node.js API 的生产级 K8s Deployment，要安全配置和健康检查

输出（AI 调用 kubernetes-patterns Skill 后）：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: node-api
  namespace: production
spec:
  replicas: 3
  strategy:
    type: RollingUpdate
    rollingUpdate:
      maxSurge: 1
      maxUnavailable: 0
  template:
    spec:
      securityContext:
        runAsNonRoot: true
        runAsUser: 1001
        fsGroup: 1001
      terminationGracePeriodSeconds: 30
      containers:
      - name: node-api
        image: ghcr.io/org/node-api:1.0.0
        imagePullPolicy: IfNotPresent
        ports:
        - containerPort: 3000
        resources:
          requests:
            cpu: "100m"
            memory: "128Mi"
          limits:
            cpu: "500m"
            memory: "256Mi"
        securityContext:
          allowPrivilegeEscalation: false
          readOnlyRootFilesystem: true
          capabilities:
            drop: ["ALL"]
        startupProbe:
          httpGet:
            path: /health
            port: 3000
          failureThreshold: 30
          periodSeconds: 5
        livenessProbe:
          httpGet:
            path: /health
            port: 3000
          periodSeconds: 30
          failureThreshold: 3
        readinessProbe:
          httpGet:
            path: /ready
            port: 3000
          periodSeconds: 10
          failureThreshold: 2
        envFrom:
          - configMapRef:
              name: node-api-config
        volumeMounts:
          - name: tmp
            mountPath: /tmp
      volumes:
        - name: tmp
          emptyDir: {}

案例2：Debug CrashLoopBackOff

输入：

一个 Go 应用 Pod 一直 CrashLoopBackOff，怎么诊断？

输出（AI 调用 Skill 后）：

# 1. 查看当前状态和最近日志
kubectl get pod -n <ns> <pod-name>
kubectl logs -n <ns> <pod-name> --previous

# 2. 检查资源是否不足（OOMKilled）
kubectl describe pod -n <ns> <pod-name> | grep -A5 "Last State"

# 3. 如果是 OOM：增加 memory limit
# 如果是启动慢：添加/调整 startupProbe
# 如果是配置错误：检查 env 和挂载

# 4. 常见原因快速排查清单
# - Exit code 1 → 应用报错，检查日志
# - Exit code 137 → OOMKilled，增加 memory limit
# - Exit code 143 → SIGTERM 超时，增加 terminationGracePeriodSeconds
# - 镜像拉取失败 → 检查 imagePullPolicy 和 secret

GitHub: https://github.com/affaan-m/ECC/tree/main/skills/kubernetes-patterns

评论区

0 条评论

登录后可评论。

Skill超级捕获手 94 阅读