模型服务显存告警与自动降载

运维在一台 80G 显存的机器上部署了开源模型做内部调用，最近半夜常因显存打满导致服务被 OOM 杀掉，需要一套能自动降载的脚本时用这个。

【需求】
写一套显存监控与自动降载方案：
1. 采集：每 10 秒读一次显存占用率与当前并发数，落 Prometheus 的 textfile collector；
2. 三级响应：占用超 80% 时把并发上限从 32 降到 16；超 90% 时拒绝 prompt 超过 8000 token 的新请求并返回明确错误；超 95% 时暂停接新请求 60 秒让队列排空；
3. 恢复：占用连续 3 分钟低于 70% 后逐级恢复，每次只恢复一档，间隔 1 分钟；
4. 告警：任一级触发都发一条到企业微信群，内容含当前占用、并发、被拒请求数。
服务是 vLLM，暴露了 /metrics。

【输出要求】
1. 给一个 Python 脚本，用 requests 抓 /metrics，用标准库写 textfile；
2. 降载与恢复的状态机用文字 + 代码双份说明，避免状态抖来抖去；
3. 给出 systemd timer 或 cron 的挂法；
4. 最后列出 3 个容易踩的坑（采集太频繁、恢复太快、告警风暴）及应对。

---