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

搜索数据观测，共找到 28 条记录

默认排序最新上传最多下载

OpenTelemetry到Azure Monitor导出器

azure-monitor-opentelemetry-exporter-java

sickn33/antigravity-awesome-skills

该Java导出器用于实现OpenTelemetry标准，能够将应用程序生成的遥测数据（包括分布式追踪、性能指标和日志）高效地传输到Azure Monitor或Application Insights。它帮助开发者实现集中化、全面的系统可观测性监控。

数据库迁移可观测性与CDC监控

database-migrations-migration-observability

sickn33/antigravity-awesome-skills

本技能提供专业的模板和最佳实践，用于构建健壮的数据库迁移可观测性基础设施。内容涵盖实时数据同步（CDC）、指标收集（Prometheus/Grafana）以及异常检测。适用于需要搭建CDC流水线（如Debezium与Kafka）或实现复杂数据库变更监控的场景。

Databricks可观测性监控工具

databricks-observability

jeremylongshore/claude-code-plugins-plus-skills

本技能提供全面的Databricks平台可观测性支持。用户可以通过查询系统表，监控作业运行历史、追踪集群资源使用和成本消耗，找出性能瓶颈的慢查询，并进行安全审计。适用于构建监控仪表板、保障数据管道稳定性和优化资源使用。

AI辅助深度调试与根因分析

debugging-toolkit-smart-debug

sickn33/antigravity-awesome-skills

这是一个专家级、全流程的软件调试与故障排查指南。它指导用户如何结合AI能力和可观测性数据（如APM、分布式追踪、日志），进行系统性的问题分层、假设生成和根本原因分析。适用于处理复杂的生产环境故障、性能瓶颈和软件缺陷。

智能故障诊断与根因分析

error-diagnostics-smart-debug

sickn33/antigravity-awesome-skills

这是一套全面的AI辅助软件错误诊断流程，用于解决生产环境中的复杂故障。它指导用户完成整个调试生命周期，包括初始分诊、收集可观测性数据（如错误追踪、APM指标、分布式追踪），生成假设、选择合适的调试策略（如时间旅行、混沌工程），并进行AI驱动的根因分析。最终目标是提出经过验证的修复方案和预防措施。

Fireflies AI 可观测性监控

fireflies-observability

jeremylongshore/claude-code-plugins-plus-skills

这是一个用于监控Fireflies.ai集成健康状态和性能的工具包。它跟踪关键指标，包括API连接性、Webhook交付状态、转录处理延迟和席位利用率。本工具适合与Prometheus/Grafana等监控系统结合使用，确保数据管道的稳定性和可靠性。

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。

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。

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。

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。

LLM可观测性限速与优化

langfuse-rate-limits

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了处理高并发LLM可观测性工作负载的完整策略。它指导用户如何通过实现指数退避、优化SDK批处理、使用队列限制并发，以及配置采样率，来应对Langfuse的API速率限制和流量洪峰，确保数据采集的稳定性和完整性。

Langfuse LLM可观测性安全指南

langfuse-security-basics

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了Langfuse LLM可观测性的安全最佳实践。核心内容包括：API密钥的严格管理、在追踪数据中清洗个人身份信息（PII）、自托管环境的安全加固、以及实施最小权限原则。帮助开发者确保其LLM集成在处理输入和输出数据时符合严格的数据隐私和安全标准。

语言