用途
Monitoring & Observability 技能用于为应用程序和基础设施搭建监控、日志与可观测性体系。根据资料，它适用于以下场景：生产部署前进行必要的监控系统搭建、排查性能问题以识别瓶颈、事件响应时快速定位根因，以及跟踪 SLA 合规情况（可用性与响应时间）。
主要能力
该技能按五个步骤组织内容：
-
指标采集（Prometheus）：提供 Node.js 应用埋点示例，包括通过 prom-client 采集默认指标（CPU、内存等）、定义自定义 Histogram（http_request_duration_seconds）与 Counter（http_requests_total）、用中间件统计请求耗时与数量、暴露 /metrics 端点，并给出 prometheus.yml 抓取配置示例。
-
告警规则：提供 alert_rules.yml 示例，包含高错误率（5xx 占比 > 0.05）、响应缓慢（p95 > 1s）、Pod 宕机、内存使用率过高（> 0.90）四类告警，并设定 for 持续时间与 severity 标签。
-
日志聚合（结构化日志）：以 Winston 为例，展示创建 Logger 的方式，包括日志级别、时间戳、错误堆栈、JSON 格式、defaultMeta（service、environment）以及 Console 与文件传输（error.log、combined.log），并给出 Express 请求日志中间件示例。
-
Grafana 仪表盘：提供 dashboard.json 示例，包含请求速率、错误率、响应时间（p95）、CPU 使用率等面板及其 PromQL 表达式。
-
健康检查：给出健康检查接口实现示例，定义 HealthStatus 结构（status、timestamp、uptime、checks），对数据库、Redis、外部 API 进行检查，并根据 healthy / degraded / unhealthy 返回 200 或 503 状态码。
使用方式
技能以步骤化指令和代码示例呈现，用户可按 Step 1 至 Step 5 逐步实施：先接入指标采集，再配置告警规则，然后设置结构化日志，接着搭建 Grafana 仪表盘，最后实现健康检查端点。输出格式部分列出了需要关注的“黄金信号”：延迟（P50、P95、P99 分位数，按 API 端点）、流量（每秒请求数，按端点和状态码）、错误（5xx 与 4xx 错误率，按错误类型）、饱和度（CPU、内存、磁盘 I/O、网络带宽）。
约束与最佳实践
必须遵守的规则：使用 JSON 格式的结构化日志；指标标签保持唯一性，注意高基数问题；避免告警疲劳，只保留关键告警。禁止事项：不得记录密码、API 密钥等敏感数据；避免采集不必要的指标浪费资源。最佳实践包括：明确界定 SLO、为每个告警编写 Runbook、按团队需求定制仪表盘。
参考与元数据
参考资料列出 Prometheus、Grafana 与 Google SRE Book。当前版本 1.0.0，最后更新 2025-01-01，兼容平台为 Claude、ChatGPT、Gemini。相关技能包括 deployment（部署时同步监控）与 security（安全事件监控）。标签为 monitoring、observability、Prometheus、Grafana、logging、metrics、infrastructure。
限制
资料仅给出了 Node.js 侧的埋点与日志示例，未提及其他语言的实现；未提供具体部署步骤、运行命令或安装命令；示例中的外部依赖（如 db、redis 客户端）仅以调用形式出现，未给出初始化方式。收费标准、价格与平台支持细节暂未提供。