用途
python-observability-ops 是一套面向 Python 应用程序的可观测性模式（Observability patterns），用于在生产环境中补充日志、指标与追踪能力。它覆盖三大支柱：结构化日志（structlog）、指标采集（prometheus-client）、分布式追踪（opentelemetry）。
主要能力
1. 使用 structlog 的结构化日志
通过 structlog.configure 配置处理器链：合并上下文变量（merge_contextvars）、添加日志级别（add_log_level）、ISO 时间戳（TimeStamper）、JSON 渲染（JSONRenderer），并设置过滤级别、字典上下文与打印工厂。以 logger.info("user_created", user_id=123, email="test@example.com") 的形式输出结构化 JSON，字段包括 event、user_id、email、level、timestamp。
2. 请求上下文传播
使用 ContextVar 保存 request_id，并提供 bind_request_context 将请求 ID 绑定到日志上下文。给出 FastAPI 中间件示例：从 X-Request-ID 请求头读取或生成 uuid4，绑定上下文，将 request_id 写回响应头，并在请求结束后清理上下文变量。
3. Prometheus 指标
使用 prometheus_client 定义三类指标：Counter（http_requests_total，按 method、endpoint、status 标签统计总请求数）、Histogram（http_request_duration_seconds，按 method、endpoint 标签并指定 buckets，用于延迟统计）、Gauge（active_connections，记录当前活跃连接数）。提供中间件示例，在请求前后增减 Gauge、记录 Counter 与 Histogram，并通过 /metrics 端点使用 generate_latest 输出指标。
4. OpenTelemetry 追踪
配置 TracerProvider，添加 BatchSpanProcessor 并使用 OTLPSpanExporter（示例端点 localhost:4317），通过 trace.set_tracer_provider 注册，再以 tracer.start_as_current_span 进行手动埋点。示例展示 process_order 中包含 validate_order、charge_payment 的嵌套 span，并通过 set_attribute 记录 order_id。
使用方式
技能以代码模式与配置示例呈现，需在 Python 项目中引入对应库（structlog、prometheus-client、opentelemetry 等）并按示例配置。文中附带资源：./references/structured-logging.md、./references/metrics.md、./references/tracing.md，以及 ./assets/logging-config.py（生产日志配置）。同时列出前置技能 python-async-ops（异步上下文传播）、相关技能 python-fastapi-ops 与 python-cli-ops，以及集成技能 python-database-ops（数据库查询追踪）。
适用场景
适用于需要为 Python 服务（尤其是基于 FastAPI 的 API 服务）建立生产级可观测性的场景：统一 JSON 日志、跨请求关联 request_id、暴露 Prometheus 指标供监控系统抓取、以及为跨服务调用添加分布式追踪。
限制
该技能是模式与示例的集合，并非可直接安装运行的独立工具；安装命令、依赖版本、收费与价格等信息暂未提供。