返回首页
monitoring

AI 系统可观测与 SRE

关于「AI 系统可观测与 SRE」领域

本领域旨在通过一系列技能，确保AI系统、后端服务及通用IT基础设施的稳定与高效。它涵盖了从性能瓶颈诊断、网站加载优化，到系统监控、日志分析、分布式追踪等可观测性实践。同时，也包括针对Linux系统、微服务架构及AI应用（如LLM）的故障排除与调试，以及SLO实施、弹性设计等SRE核心实践。这些技能适用于SRE工程师、DevOps专家、后端开发者和IT管理员，帮助他们快速定位并解决系统问题，提升整体可靠性与用户体验。

子分类导航

子分类:

「AI 系统可观测与 SRE」全部 Skill

50 / 148 skills
azure-monitor

azure-diagnostics

by @microsoft

提供Azure云环境中应用程序和基础设施的诊断支持，帮助用户识别、分析和解决性能问题及故障，确保系统稳定运行。

4.8(2.0K)
296.6K
azure-application-insights

appinsights-instrumentation

by @microsoft

专注于为应用程序集成Azure Application Insights，实现性能监控、故障诊断和用户行为分析，全面提升应用质量和用户体验。

4.8(2.0K)
141.9K
azure-data-explorer

azure-kusto

by @microsoft

专注于使用Azure Kusto查询语言（KQL）进行大规模数据分析，快速查询和洞察日志、遥测数据，支持实时监控和故障排除。

4.8(2.0K)
141.8K
debugging

diagnose

by @mattpocock

该技能提供一套严谨的诊断循环方法，用于解决疑难bug和性能回退问题。它强调构建快速反馈循环，通过复现、最小化、假设、检测、修复和回归测试等步骤，系统化地定位并解决问题，确保系统稳定高效运行。

4.8(120)
121.7K
azure-monitor

azure-observability

by @microsoft

专为Azure云平台设计的GitHub Copilot，旨在提升Azure基础设施的可观测性，帮助开发者更智能地监控和管理云资源。

4.7(2.0K)
98.1K
performance-mode

overdrive

by @pbakaus

进入“超速模式”，加速任务执行和响应速度，提高工作效率，适用于需要快速完成任务的场景。

4.7(1.1K)
63.0K
convex-performance

convex-performance-audit

by @get-convex

诊断并解决Convex应用程序中的性能问题，优化数据库查询和操作，提升系统响应速度和效率。

4.7(604)
51.5K
stats

caveman-stats

by @juliusbrussee

这个技能通过即时返回格式化的统计数据，让用户能够立即查看其AI使用情况。它无需模型额外处理，直接提供关键数字，帮助用户快速了解和分析AI交互模式。

4.7(120)
48.5K
it-administration

persona-it-admin

by @googleworkspace

IT管理员，负责管理信息技术系统，监控网络安全，配置和维护Google Workspace等企业级应用，保障IT基础设施稳定运行。

4.5(144)
14.5K
web-performance-optimization

performance

by @addyosmani

优化网站性能，实现更快的加载速度和更好的用户体验，解决加载缓慢等问题。

4.5(177)
13.1K
latency-reduction

performance-optimization

by @supercent-io

此技能旨在解决页面加载缓慢、渲染延迟、包体积过大、资源占用高及数据库瓶颈等性能问题，优化系统响应速度和效率。

4.5(458)
11.5K
prometheus

monitoring-observability

by @supercent-io

此技能用于监控与可观测性，包括生产部署前的系统设置、性能问题识别、事件解决、容量规划及安全审计，确保系统稳定运行。

4.5(440)
11.0K
debuggers

debugging

by @supercent-io

此技能用于调试，解决运行时错误、意外输出、性能下降、间歇性或难以重现的错误，帮助开发者快速定位并修复问题。

4.5(433)
10.8K
debian-linux

debian-linux-triage

by @github

诊断并解决Debian Linux问题，提供apt、systemd和AppArmor相关的指导。

4.5(292)
8.6K
arch-linux

arch-linux-triage

by @github

诊断并解决Arch Linux问题，提供pacman、systemd和滚动发布最佳实践指导。

4.5(290)
8.6K
observability

google-agents-cli-observability

by @google

配置 ADK Agent 可观测性，集成 Cloud Trace、日志记录和 BigQuery 分析，监控生产环境性能

4.5(25)
8.6K
github-copilot-analytics

copilot-usage-metrics

by @github

使用GitHub CLI和REST API检索并显示组织和企业的GitHub Copilot使用指标。

4.5(291)
8.5K
fedora-linux

fedora-linux-triage

by @github

使用dnf、systemd和SELinux感知指导，分类并解决Fedora Linux系统问题。

4.5(289)
8.4K
centos-linux

centos-linux-triage

by @github

使用RHEL兼容工具、SELinux感知实践和firewalld，分类并解决CentOS Linux系统问题。

4.5(289)
8.4K
llm-monitoring

llm-monitoring-dashboard

by @supercent-io

此技能使用Tokuin CLI跟踪LLM API成本、令牌和延迟，并自动生成数据驱动的管理仪表板，提供项目管理洞察。

4.5(274)
6.8K
python

python-observability

by @wshobson

专注于Python后端系统的可观测性，提供智能自动化和多智能体编排能力，帮助开发者监控、调试和优化应用性能。

4.5(74)
6.6K
python

python-resilience

by @wshobson

专注于Python后端系统的弹性设计与实现，确保应用在面对故障时仍能稳定可靠运行。

4.5(95)
6.4K
service-mesh

service-mesh-observability

by @wshobson

专注于服务网格可观测性，结合智能自动化和多智能体编排，深入洞察微服务架构运行状态，快速定位问题。

4.4(55)
6.3K
slo-(service-level-objectives)

slo-implementation

by @wshobson

掌握服务水平目标（SLO）的实施，通过智能自动化和多智能体编排，确保系统可靠性，满足用户期望。

4.4(69)
6.3K
debugging

insforge-debug

by @insforge

诊断InsForge项目问题，从前端SDK错误到后端基础设施故障，运行命令定位问题并输出日志

4.4(20)
6.1K
debugging

parallel-debugging

by @wshobson

专注于DevOps并行调试，利用智能自动化和多智能体编排，高效定位并解决复杂系统问题，提升开发效率。

4.4(20)
5.7K
ai-audit

health

by @tw93

当Claude指令不听、行为异常、钩子故障或用户质疑token消耗时，此技能对Claude代码配置栈进行预算感知审计。它能识别配置问题并按严重性标记，帮助快速定位和解决AI系统健康问题。

4.4(120)
5.3K
audit-log

okx-audit-log

by @okx

提供结构化审计日志文件路径，支持开发者离线排查Agent运行问题，JSON Lines格式存储

4.4(20)
4.1K
agent-monitoring

openclaw-control-center

by @aradotso

将OpenClaw从黑盒转变为本地可审计的控制中心，全面监控Agent活动、Token消耗和跨会话协作

4.4(62)
4.0K
ai-agent-operations

enterprise-agent-ops

by @affaan-m

管理和操作长期运行的AI智能体工作负载，确保其可观测性、安全性和可靠性，适用于企业级AI应用。

4.4(20)
3.8K
alerting

alert-manager

by @aaron-he-zhu

专注于为Claude Code、Cursor、Codex等AI编码工具提供SEO和地理定位相关的警报管理，确保性能监控和问题及时发现。

4.4(41)
3.5K
n8n

n8n-validation-expert

by @czlonkowski

帮助用户解读n8n验证错误，并提供详细的修复指南，确保工作流顺畅运行，减少故障时间。

4.4(48)
3.4K
debugging

debugging-and-error-recovery

by @addyosmani

系统化调试与结构化分流，保留证据并遵循检查清单找到根因，避免猜测浪费时间

4.4(20)
3.4K
logging

logging-best-practices

by @boristane

专注于宽事件（规范日志行）的日志记录最佳实践，实现强大分析。

4.4(62)
3.2K
golang

golang-error-handling

by @samber

Go可靠性工程师人设，每个错误必须处理或传递上下文，静默失败和重复日志同样不可接受

4.4(20)
3.2K
monitoring

canary-watch

by @affaan-m

部署后持续监控 Web 应用健康状态，自动检测性能异常、错误率和功能退化，支持告警通知和根因分析

4.4(20)
2.9K
debugging

golang-troubleshooting

by @samber

系统化排查 Go 应用故障，通过日志、追踪和性能分析定位根因，避免猜测和试错

4.4(20)
2.8K
observability

golang-observability

by @samber

为 Go 服务自动集成 OpenTelemetry 指标、链路追踪和结构化日志，在代码层面建立可观测性，让生产环境问题可诊断

4.4(26)
2.8K
monitoring

monitoring-expert

by @jeffallan

配置监控系统，实施结构化日志记录，确保系统稳定运行和故障快速定位。

4.4(37)
2.6K
adk

adk-observability-guide

by @google

在为ADK代理设置可观测性前必须阅读的指南。涵盖日志、指标和追踪的配置与实践，确保系统状态透明，便于监控和故障排查。

4.4(20)
2.6K
incident-response

incident-response

by @anthropics

管理事故全生命周期，从检测到响应再到事后复盘，建立标准化的应急处理流程

4.4(48)
2.6K
ai-engineering

agent-introspection-debugging

by @affaan-m

Agent自省调试工作流，当agent反复失败、消耗token无进展或循环调用同一工具时系统化地自我诊断

4.4(3)
2.6K
error-handling

golang-samber-oops

by @samber

使用 samber/oops 将 Go 错误转换为携带上下文的结构化数据，让错误信息自解释，简化线上问题诊断

4.3(20)
2.5K
logging

golang-samber-slog

by @samber

Go 结构化日志架构设计，自动配置采样、敏感信息脱敏和路由分发，错误日志发送至 Sentry，信息日志存入 Loki

4.3(34)
2.5K
security

ecc-tools-cost-audit

by @affaan-m

自动检测 ECC Tools GitHub App 的异常使用模式，防止成本失控和权限滥用，识别超出限制的请求

4.3(9)
2.5K
monitoring

unified-notifications-ops

by @affaan-m

整合分散的通知渠道到统一运维平台，提供清晰的事件分级和响应流程

4.3(9)
2.5K
site-reliability-engineering

sre-engineer

by @jeffallan

专注于SRE（站点可靠性工程）实践，定义服务水平目标（SLO）和错误预算策略。

4.3(37)
2.4K
xcode

xcode-build-benchmark

by @avdlee

这是一个开源的 AI Agent 技能，专注于 Xcode 构建性能优化。它能基准测试并分析 Xcode 项目的干净构建、增量构建、编译热点、项目设置和 Swift 包管理器开销。通过识别构建设置、脚本阶段和编译器标志中的“易赢”点，生成优化计划，并能自动应用批准的更改，显著提升开发效率。

4.3(20)
2.1K
langchain

langsmith-fetch

by @ComposioHQ

LangSmith调试与可观测性工具,从LangSmith Studio获取执行轨迹,分析LangChain和LangGraph智能体的行为表现和错误信息,提供详细的调试支持,适合AI应用开发者优化和监控智能体。

4.3(30)
2.0K
langsmith

langsmith-trace

by @langchain-ai

配置 LangSmith 追踪功能，用于 AI/ML 项目，需要 API 密钥，并支持项目和工作区 ID。

4.3(45)
2.0K