下载

Skill UI

浏览并发现 9747+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索可观测性，共找到 106 条记录

默认排序最新上传最多下载

Gamma API可观测性实现

gamma-observability

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套全面的可观测性实现方案，用于增强使用Gamma API的应用的健壮性。它涵盖了结构化日志记录、详细的性能指标跟踪（如请求次数、错误率、延迟和使用积分），以及健康检查端点。适用于需要对Gamma API集成进行专业监控和性能调优的场景。

Grafana可观测性仪表盘构建

grafana-dashboards

sickn33/antigravity-awesome-skills

本技能指导您学习如何设计和构建生产级别的Grafana仪表盘，实现全面的系统可观测性监控。内容涵盖如何可视化关键指标、跟踪业务KPI、监控基础设施健康状况（遵循RED/USE方法），以及使用Prometheus数据源设置可操作的告警。适用于DevOps和SRE工程师。

Guidewire保险可观测性监控

guidewire-observability

jeremylongshore/claude-code-plugins-plus-skills

本工具包用于全面监控Guidewire保险系统（如理赔、保单、计费）的运行状态和性能。它实时跟踪关键指标，包括理赔处理时间、保单同步成功率、计费准确性、API延迟和批处理作业状态。系统提供结构化日志和告警机制，确保复杂的保险业务流程能够持续稳定运行。

Ideogram API可观测性与监控

ideogram-observability

jeremylongshore/claude-code-plugins-plus-skills

本技能指导如何为Ideogram AI图片生成API实现全面的可观测性监控。您将学习如何使用TypeScript对API调用进行仪器化，从而追踪关键指标，包括生成延迟、API成本估算、错误率和内容安全拒绝率。掌握这些知识，可以确保构建出稳定、可靠的AI图像生成系统。

SRE事件响应与管理

incident-responder

sickn33/antigravity-awesome-skills

本技能提供了一套专业的SRE级事件响应框架。它指导用户从初步的严重性评估、建立指挥系统，到利用可观测性工具（如分布式追踪、指标、日志）进行调查，直至完成系统恢复和撰写无过错的根本原因分析报告（Post-Mortem）。适用于处理复杂、大规模的系统故障和突发事件。

自动化事件响应工作流

incident-response-incident-response

sickn33/antigravity-awesome-skills

本技能提供了一个基于现代SRE（站点可靠性工程）的最佳实践的完整事件响应工作流。它指导用户完成从事件的初始检测、分级（P0-P3），到通过可观测性分析、深度调试、安全评估进行根因分析（RCA），最终实现系统恢复和总结复盘的全过程。适用于处理所有关键的系统故障、性能下降或安全事件。

AI驱动的智能故障排除流程

incident-response-smart-fix

sickn33/antigravity-awesome-skills

本技能提供了一个基于多智能体编排的复杂生产环境故障排除流程。它将AI代码助手、可观测性平台和自动化工具（如分布式追踪、Git bisect）结合，形成“分析-调查-修复-验证”的完整闭环。旨在指导用户解决跨系统的复杂Bug，显著降低平均恢复时间（MTTR），提升系统整体的韧性和稳定性。

SaaS平台可观测性监控指南

juicebox-observability

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了为SaaS平台（如Juicebox）构建可观测性监控的全面方法，包括关键性能指标（如搜索延迟、数据摄取速率、API错误率）的定义、TypeScript实现的代码片段、健康检查逻辑和警报规则。它旨在帮助开发者建立完整的运营监控系统，确保用户体验和数据准确性处于最佳状态。

Kling AI API 调试与可观测性工具

klingai-debug-bundle

jeremylongshore/claude-code-plugins-plus-skills

这是一个用于Kling AI API集成的综合调试和可观测性工具。它能够自动捕获每一次API调用的请求/响应对、任务生命周期事件和详细的耗时指标。通过结构化日志记录，可以帮助开发者系统性地排查视频生成管道中的问题，确保构建的AI应用具备高可观测性。

LLM可观测数据合规管理

langfuse-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本技能用于管理大型语言模型（LLM）可观测性平台（如Langfuse）的完整数据生命周期。核心功能包括导出详细的调用轨迹和评分数据、配置数据保留策略、执行GDPR等合规操作，以及对个人身份信息（PII）进行脱敏处理。适用于需要确保AI应用数据安全和合规性的场景。

部署Langfuse进行LLM可观测性

langfuse-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一份全面的教程，指导开发者如何将Langfuse LLM可观测性集成到主流的云和无服务器环境中。内容覆盖了Vercel、AWS Lambda、Google Cloud Run和Docker等平台的最佳实践，确保了对整个AI工作流的完整追踪和性能监控。

Langfuse多环境配置指南

langfuse-multi-env-setup

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了如何在多环境（开发、预发布、生产）中安全配置Langfuse。它涵盖了从环境密钥管理、使用秘密管理器到CI/CD流程中的最佳实践，确保不同环境数据隔离，防止敏感信息泄露，从而实现稳定的全流程可观测性追踪。

上一页 1 234 5 6 7 8 9 下一页

语言