running-ci-preflight
用于在推送前发现由本次改动触发的确定性 CI 失败的技能,核心命令为 hogli ci:preflight。可将一组精选检查限定到分支涉及的文件,并附带分支新鲜度检查,是 hogli ci:insights 的推送前对应工具。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-01 00:15
12,882 个结果
用于在推送前发现由本次改动触发的确定性 CI 失败的技能,核心命令为 hogli ci:preflight。可将一组精选检查限定到分支涉及的文件,并附带分支新鲜度检查,是 hogli ci:insights 的推送前对应工具。
该技能用于确定某次 PostHog 代码变更何时部署到指定环境。PostHog 的 CI 在每次提交发布到环境时会写入一个部署标记注释,这些注释在用户界面中隐藏(hidden_in_user_interface: true),但它们是部署时间的权威来源。技能通过 posthog:annotations-list 搜索 "deploy" 列出部署注释,每条标记包含被部署的 commit、环境(prod-us、prod-eu 或 dev)、创建类型 GIT、范围 organization、部署时间(UTC)。工作流为:先找到变更的合并提交(通过 gh search prs 与 gh pr view 获取 merge commit SHA 和 mergedAt),再按时间升序列出目标环境在合并时间附近的部署,然后用 gh api compare 验证被部署的 commit 是否真正包含该合并提交(behind_by 为 0),第一个通过验证的部署即为发布该变更的部署。最后报告该区域的部署时间及 PR/commit。适用于回答“某变更何时上线”的问题,避免用指标或事件量变化来推断部署时间。
PostHog AI 可观测性中的在线评估创建技能:把生产中已发现的真实失败模式,转化为持续自动运行的评估。适用于需要为 $ai_generation 事件建立自动打分、并控制评估范围与成本的场景。
该技能用于查找当前项目在指定时间窗口内被软删除的 feature flag,并给出删除者与删除时间。适合回答“最近N天删了哪些 flag”或审计删除记录,不适合清理仍活跃的陈旧 flag。
PostHog Metrics 的指标异常调查技能:从“某指标上升/下降/尖刺”或已触发告警出发,按固定排查流程定位可能的根因并给出证据。注重先做低成本高信息量的调用,仅在影响范围不清时才扩大排查范围。
PostHog 端点版本管理技能:讲解端点版本的只进模型,覆盖预览草稿、回滚旧版本、按版本调整设置、停用单个版本与清理废弃版本,并说明各工具(endpoint-versions、endpoint-get、endpoint-update、endpoint-run)用法与限制。
PostHog 的 AI 可观测性信号侦察技能,用于监控 LLM 追踪中的成本、延迟、错误、调用量和评估表现等回归,按维度定位后仅在达到置信门槛时提交报告。
PostHog 分布式追踪(APM / OpenTelemetry span)的信号侦察技能,按(服务、操作)监控 RED 指标——错误率、p95 延迟、请求量,仅在回归超过阈值时生成报告,空跑也是一种有效结果。
PostHog 的 CSP 违规侦察技能(signals scout),用于监视 $csp_violation 事件流,按来源域、指令、文档聚合并识别新出现的被封锁域名、强制性阻断、部署相关的策略回归等,仅在高置信度集群时撰写报告。
PostHog 错误追踪的 Signals 侦察技能,用于监控 $exception 异常爆发、卡死循环、多指纹集群和状态回归,仅在变化达到标准时生成报告。
PostHog 内部健康检查的 Signals scout 技能:读取项目当前活跃的健康问题,按类型聚合、按影响范围加权,筛选出真正值得关注的少量问题并撰写报告。
PostHog Signals 体系中的跟进型 scout,用于验证已解决(resolved)报告背后的实际问题是否真正停止。它在修复合并后的观察窗口重测相关指标,仅对验证失败(问题仍复现)的情况新提交报告,多数修复通过时只记入记忆。
PostHog Signals 的 observability-gaps 侦察技能,用于发现团队事件产出与观测配置之间的结构性覆盖缺口,并直接通过报告通道提交新增洞察、仪表盘补充或告警建议,属于推荐型发现而非问题型发现。
面向 nginx C 模块的性能优化与可靠性指南技能,基于官方 nginx 开发文档整理,含 8 个类别共 43 条规则,按影响优先级排序,用于指导自动化性能优化与稳定性改进。需配合覆盖正确性的 nginx-c-module-best-practices 技能使用。
PyTorch CI 指标技能的规范加载器:本身不执行分析,仅按顺序定位并加载 pytorch/pytorch 仓库中的权威 ci-metrics 指令,用于 CI 时长、失败、排队时间、工作流趋势、runner 健康与看板数据等查询。
用于 OpenPress 框架包发布的维护者工作流技能:在准备、解除阻塞或完成 OpenPress 包发布时使用,涵盖本地变更盘点、文档与技能预检、changeset/版本流程、发布 PR、监控 GitHub Actions 并核对 npm/GitHub Releases。仅限 OpenPress 框架仓库使用,不适用于下游工作区。
cronctl 是一个跨平台命令行工具,用于在 macOS、Linux 和 Windows 上调度、检查、运行和排查本地重复性任务,无需手动编辑 cron、launchd、systemd 或 Windows 任务计划程序的原生服务定义。它提供结构化的 JSON 输出和非交互接口,支持固定间隔(--every)与五字段日历表达式(--cron)两种调度形式,并可按名称添加、查看、暂停、恢复、删除任务。命令行参数通过 -- 之后的 argv 数组精确传递,不隐式插入 shell;支持工作目录、环境变量与路径继承设置。可用 validate 校验调度并预览下次触发时间,用 list/show/next/why/runs/logs/doctor 检查状态与排障,用 run 前台手动执行并复用同一执行器、重叠锁、超时与日志。还支持 export/apply 声明式多任务配置,apply 前应先做 dry-run。安装需用户明确同意,使用官方 shell 或 PowerShell 脚本。暂不支持一次性 --at 任务、重试、依赖工作流、远程执行、密钥存储、清单删除及机器唤醒等能力。
Railway 基础设施即代码配置技能:通过 .railway/railway.ts 声明项目期望状态,用 service、postgres、redis、bucket 等辅助函数编写配置,并借助 railway config plan/apply 预览与变更。
aws-skills 是一个面向 AWS 开发的技能,聚焦基础设施自动化与云架构模式,为相关任务提供指导与模式参考。
KIND(Kubernetes IN Docker)是用 Docker 容器作为节点运行本地 Kubernetes 集群的工具,面向本地测试 Kubernetes 应用。资料包含在 Debian/Ubuntu 上安装 KIND 与 kubectl 的命令,以及创建基础集群的用法。
为 Ratel 各发布单元更新 CHANGELOG.md 的技能:用 git-cliff 按包生成草稿,人工整理后仅改写目标单元的变更日志。
Cluster API(CAPI)是 Kubernetes 项目,用于把 Kubernetes 集群本身作为 Kubernetes 资源来声明式管理。用户可在管理集群中定义 Cluster、Machine、MachineDeployment 等自定义资源,由控制器完成工作负载集群的创建、扩缩容与滚动升级。CAPI 采用 Core、Bootstrap、Control Plane、Infrastructure 四类 Provider 的模块化架构,支持 Docker、vSphere、AWS、Azure、Metal3 等基础设施。适合多集群批量管理、标准化集群模板和开发测试环境搭建;单集群安全加固安装、无控制器镜像的离线环境等场景不适用。
kubeadm-init 是一份关于 kubeadm init 控制平面初始化流程的技术参考技能文档,属于 kubespray-skills 项目。它系统梳理了 kubeadm init 引导 Kubernetes 控制平面所经历的 14 个阶段,包括系统预检、证书生成、kubeconfig 创建、etcd 与控制平面静态 Pod 部署、kubelet 启动、配置上传、节点标记、引导令牌生成、TLS 引导完成、插件安装和 join 命令输出。文档还提供了命令行参数与配置文件两种初始化方式,列出关键选项的使用场景,说明如何单独执行指定阶段以进行自定义,并给出预检、初始化后配置 kubectl、安装 CNI 插件和验证的步骤。此外还包含证书目录结构、HA 高可用注意事项、常见问题排查表以及重置重试方法。适合正在搭建或排障 Kubernetes 集群的运维与平台工程师参考。
kubeadm join 是 kubeadm 提供的节点加入命令,用于将工作节点或控制平面节点加入已有的 Kubernetes 集群。它通过双向信任机制完成加入:节点侧通过 CA 证书哈希或 kubeconfig 文件验证 API Server 的合法性(Discovery),控制平面侧通过 Bootstrap Token、CSR 和证书签发流程验证并授权节点(TLS Bootstrap)。该技能面向集群扩缩容、高可用控制平面扩展以及节点加入失败排障等场景,覆盖基本 join 命令、工作节点与控制平面节点(HA)的加入阶段、Token 与证书密钥管理、Discovery 方式、TLS Bootstrap 流程、配置文件方式,以及连接拒绝、Token 过期、CA 哈希不匹配、时钟偏移等常见问题的排查步骤与重试方法。