這一路示範到此，共蓋了 10 台：3 台 proxmox ，7 台 ubuntu ： Router, NPM，HQ，LLM，TTS+STT+OCR，RAG，Remotion 。
底下的截圖是我實際在管的那座機房目前狀態，數量會跟示範的不同，請見諒。
機器多了，常態性地檢查系統服務是否正常，就變成很重要了。
第 8 天蓋的控制中心有四個頁面：儀表板、遠端、日誌、管理。那四頁回答的是「現在怎麼樣」。今天要補的是另外三個問題：
昨天到今天變了什麼？
該在跑的東西還在跑嗎？
出事的時候誰來告訴我？
做法是在同一個控制台上再加三個分頁：維運、服務、防護，外加一組通知設定。
ssh 連到 hq，切換到 /opt/claude-working，執行 claude code：
告訴 claude code：
hq 這個控制台要再加三個分頁：維運、服務、防護。
一、維運：每天固定時間掃一次全機隊，另外給我一顆「立即掃描」。
要問的東西：
- 系統版本、核心版本、有幾個更新可以裝、其中幾個是安全更新、要不要重開機
- 這個系統版本什麼時候停止支援，還剩幾天
- 對外的憑證什麼時候到期
- 磁碟還剩多少、備份最後一次是什麼時候
⚠️ 一台機器只准連一次 SSH。要問的事情寫成一支腳本一次帶回來，
不要每一項各連一次。
⛔ 這一頁全部唯讀。要看更新有哪些就用模擬的方式問，不要真的裝下去。
二、掃出來的每一件事都要能被關掉，給我三個選項：知道了、延後幾天、
凍結（我決定暫時不處理，但它要繼續列在清單上，標明是我凍的）。
⚠️ 同一件事連續掃兩次，數量要一樣，不要每天長出一筆一模一樣的。
三、服務分頁：不要另外派一支程式去問。直接用維運掃描帶回來的那份快照，
列出每台在跑什麼容器、在聽哪些埠、開了哪些系統服務。
我會另外登記「這台應該要有什麼」，你把兩邊比對，
⭐ 我要的答案只有一個：我說過應該要在的，現在有沒有不見。
四、防護分頁：把每一台的 fail2ban 狀態撈回來，
哪幾台有裝、現在封了幾個、累計封了幾個，可以當場封鎖或解封一個位址。
⛔ 不要在遠端機器上裝任何東西，用現有的 SSH 連線去問。
規則：
- 憑證用現有那份，不要另外開一份新的清單。
- 有機器連不上，那一台標示連不上就好，⛔ 不要把它名下的事情當作已經解決。
儀表板：
我自己的儀表板現在管 40 台機器：線上 36 台，離線 4 台。每一列有名稱、位址、狀態、CPU、記憶體、磁碟三個百分比，還有標籤與最後檢查時間。標籤（web、docker、proxmox、host）不是裝飾，掃描要靠它決定對哪一台問哪一種問題；問一台路由器有幾個容器沒有意義。
截圖裡那幾台的最後檢查時間是 3:20:04、3:20:05、3:20:06、3:20:07，一台差一兩秒。那代表它是一台一台掃過去的，綠燈的意思應該是「剛剛才確認過它活著」，不是「上次確認的時候它活著」。背景那支檢查程式如果自己死了，整片綠油油的畫面會維持原樣，而底下的機器可能已經倒了半天。所以那個時間必須跟燈放在同一列。
離線那 4 台不一定是壞了，有可能是本來就決定關機的。清冊要能記得這件事，不然它每天早上都會為了一台你關掉的機器叫一次，叫到你不再看它為止。
這一頁能自己去問 40 台機器，代表那 40 組 SSH 憑證放在某個地方。規矩從第一天到今天沒有變：密碼加密之後才進資料庫，解密的鑰匙不放在資料庫旁邊，不寫進程式碼，也不進版控。自己蓋的管理系統會變成整座機房裡最值錢的一台，因為它一台就能通到全部機器。
遠端主機管理：
左邊是機器列表，右邊是那一台的詳情：主機、SSH 使用者 root、狀態、上次檢查時間，還有備註。備註欄寫的是規格：Proxmox VE 8.4.14、252GB 記憶體、ZFS 鏡像、上面跑 17 台虛擬機。那是那台機器的身分證。半夜盯著一個沒看過的機器名稱發呆的時候，不用先去翻文件才知道它是誰。
快速指令那兩顆按鈕是查看系統負載與查看系統服務，把「每次連進去都會打的那幾行」變成按鈕。輸出直接印在下面：開機 71 天、負載 7.17、記憶體 251Gi 用掉 200Gi、根目錄用了 33%。下面還留一個自訂指令，要問別的就自己打。
遠端這一頁可以對任何一台機器送任何一個指令，權限是整個控制台裡最大的。看得住它的東西只有日誌，而且要把指令原文記進去，不能只記「執行了一次遠端指令」。
實作的時候撞到一個坑：虛擬化主機那幾台是用 root 登入的，而且根本沒裝 sudo。如果指令一律加上 sudo 再送出去，那幾台會整台顯示「無法查詢」。不是它壞了，是工具多此一舉。所以送指令之前要先問一句「我現在是誰」，是 root 就不要提權。這種錯誤的症狀很討厭：它看起來像機器出問題，其實是你的工具出問題。
維運分頁的做法：一台機器只連一次 SSH。要問的事情有十幾件 —— 系統版本、核心、有幾個更新、其中幾個是安全更新、要不要重開機、磁碟剩多少、備份最後一次是什麼時候、憑證什麼時候到期。如果是一項寫一支函式各連各的，40 台乘十幾項就是好幾百次連線，要跑好幾分鐘，而且每一次連線都是一次可能失敗的機會。
實際做法是把那十幾件事寫成一支腳本，每一段前面放一個分段標記，一次連線全部帶回來，回來之後再照標記切開。40 台大約 25 秒。
25 秒這個數字的意義不只是快，是它快到你願意按下「立即掃描」等它跑完。一個要跑五分鐘的檢查，你會等到捉狂。
維運這一頁全部唯讀。要知道有哪些更新可以裝，就用模擬的方式問「如果我升級會裝哪些東西」，不要真的裝下去。一個會自己動手的檢查程式，出事的時候你分不清楚是機器壞了還是它弄壞的。
維運中心・待辦事項：
待辦事項上面五個數字：嚴重 4、高 2、中 24、低 30、已解決 89。每一筆有分類（EOL、安全）、機器、狀態、最後出現時間。右上角寫著上次掃描的時間，旁邊一顆立即掃描。
每一列右邊有三顆按鈕：知道了、延後 7 天、凍結。一份不能關掉的清單，第三天就沒有人看了，知道了，就是我現在不處裡。凍結跟延後不一樣：延後是等一下處理，凍結是我知道、而且我決定暫時不處理、別再問我。被凍結的事情要繼續列在清單上，並且標明是我自己凍的，不是它自己安靜下去的。
同一件事的識別碼不能包含會變動的數值。「某某憑證只剩 31 天」如果把 31 寫進識別碼，明天變成 30 就會被當成一件新的事情，於是每天長出一筆一模一樣的東西，一週之後那份清單就沒救了。識別碼只能是「哪一台、哪一件事」，剩幾天是內容不是身分。
對帳的邏輯是：這一輪掃描沒再看到的問題就當它解決了。聽起來合理，直到有一台機器剛好在掃描的那 25 秒裡連不上 —— 它名下所有的事情都會突然被判定已解決，然後下次它上線，那些事情會以新問題的身分整批復活再推播一次。所以自動結案只能對這一輪真的掃到的機器做。連不上的那一台，答案是「不知道」，不是「沒事」。
維運中心・憑證：
憑證頁列的是網域、來源、簽發者、到期日、剩餘天數、在哪一台。來源有兩種：一種是去反向代理的資料庫裡問「你帳面上寫這張憑證什麼時候到期」，另一種是真的去跟那個網域握一次手，看對方遞出來的是哪一張。這兩個不是重複，是對照組。
憑證出事幾乎都不是因為忘記續，而是續了但沒有裝上去，或者裝上去了但服務沒有重新載入。帳面上一切正常，外面拿到的還是舊的那張。只信任帳面，你會在到期當天從使用者的截圖裡知道這件事。截圖裡最短的剩 31 天，全部 ok。這一頁平常沒有任何事情發生，它的價值全部集中在到期前那一個星期。
維運中心・系統與軟體：
系統與軟體那一頁列的是系統版本、核心版本、可升級、安全性、需重開機、EOL 天數。有一台可升級的有 84 個，其中 17 個是安全更新。這兩個數字放在一起看，你會拖，84 個聽起來像一個下午的工作，慢點再做；17 個安全更新，可以先做。
需重開機這一欄，存在的理由很簡單：升級完沒有重開，跑的還是舊的核心。套件清單上寫著已經是新版，實際上記憶體裡跑的是舊的。
最右邊那欄是 EOL 天數，有兩台是 -19，代表已經過了停止支援的日期 19 天。這一欄如果寫成日期，眼睛會滑過去；寫成天數，而且過期的用負數，它才會刺眼。這一頁不會幫你升級，它一個字都不會幫你動，它唯一的功能是讓你沒有辦法假裝不知道。
服務清冊：
服務分頁上面四個數字：在跑的服務 407、預期但不見 0、已登記預期 40、無清冊資料 4。它沒有自己的探針，吃的是剛才那次掃描帶回來的同一份快照 —— 容器、在聽的埠、非預設的系統服務，那次連線順手一起帶回來了。多派一支程式去問，就是多一個要維護、會壞。
407 這個數字其實沒有用，沒有人看得完 407 個服務，看完也不知道哪個不該在。真正有用的是第二個數字：預期但不見，0。做法是另外登記一份「這台應該要有什麼」，掃描回來之後兩邊比對，少了的那一個會變成一筆維運待辦，跟其他問題走同一條通知、同一組按鈕。至於在跑但沒登記的那幾百個，它不會吵你：「多了一個我不認識的服務」是安全掃描的題目，不是這一頁的題目。
無清冊資料那 4 台是路由器，它們不是 Linux 那一套，問不出容器也問不出系統服務。這種情況要顯示成「不適用」，不能顯示成失敗。把不適用畫成紅色，你會很快學會忽略紅色，然後某一天真正的紅色出現，你也會忽略它。
下面那一區把 40 台按用途分成幾群：AI 與模型、網站、郵件、反向代理、虛擬化主機、網路設備，每一台後面寫著它跑了幾個服務。這一區其實是在回答昨天結尾那個問題 —— 我們到底組了幾台機器。答案不是一個數字，是這一張圖。
防護・fail2ban：
防護分頁上面：已安裝 fail2ban 的有 17 台（全機隊 32 台）、目前封鎖中 10、累計封鎖 573、無法查詢 4。這一頁只做兩件事：把每一台的 jail 狀態撈回來，以及當場封鎖或解開一個位址。
展開的那一台是控制台自己所在的機器：sshd 那個 jail 失敗 14 次、累計 1817 次、來源 3 個檔案，現在封著 10 個位址，累計封過 460 個。整個機隊累計 573，光這一台就佔了 460。對外開著的那一台永遠是被敲最多的，這不是它比較弱，是它比較容易被找到。
17 台裝、32 台總數，不是每一台都裝，因為不是每一台都對外，這很合理。但「哪幾台沒裝」這件事必須看得見，不能靠印象。印象會說「應該都裝了吧」，清單會說是哪 15 台沒有安裝。
總覽只給數字，展開某一台才去拿明細。一開始的版本是全部撈回來，結果畫面上塞了幾百顆位址標籤，要解封的那一個反而找不到。
「有跑、有計數、但是封鎖數 0」不是好消息。門檻如果是連續失敗 5 次就封，對方只要每個位址試 4 次就換下一個，計數會一直跳，封鎖數永遠是零。要看的不是封了幾個，是同一個時間窗裡同一個來源打了幾次；那個數字貼著門檻下緣，代表對方知道你的門檻在哪裡。
自動監控與通知：
通知設定那一頁：檢查間隔 3 分鐘、Telegram 通知已啟用、定時報告 08:00 與 18:00 各一次，旁邊加一個立即發送。
推播的規則全部是為了同一件事，讓它保持可信：只有嚴重跟高會推，推過就標記起來，7 天還沒解決才再推一次，單次掃描最多 10 則。一個會在半夜連續響 40 次的系統，跟一個不會響的系統效果完全一樣 —- 因為你會把它靜音。
早晚各一次的定時報告是另一種東西，它不是告警，是「今天有這些事情還開著」。沒有它，沒有響就等於沒消息，而沒消息不等於沒事 —— 昨天那支只有四分之一字幕的影片，全程也是綠燈。定時報告的功能是把「沒有壞消息」變成一則要主動送出來的消息，這樣一來，連續三天沒收到報告本身就是一個異常。
然後就撞到牆了。Telegram 適合推「現在」：某台掛了、憑證剩三天、磁碟滿了。但有一整類東西它裝不下：每天早上那份清單、每個月的變更紀錄、這需要一個信箱。而且我們不想再靠別人家的信箱：帳號被鎖是別人決定的，信被丟進垃圾桶是別人決定的，自主權在人家手上。
這座機房到今天會看、會聽、會講、會查、會出片，40 台機器誰活著誰死了都問得出來，但還沒辦法送出一封屬於自己的信。
明天，自己收信，也自己寄信 —— 自架 mail server。
本文為 iThome 2026 鐵人賽「一個人的機房」系列第 14 篇,同步發表於 iT 邦幫忙。