用途
该技能（prometheus-grafana）用于基于 AI 的可观测性运维，围绕 Prometheus 指标与 Grafana 仪表盘提供专家能力，帮助构建和维护可观测性基础设施。
主要能力
- 编写与优化 PromQL 查询。资料示例包括：请求速率
rate(http_requests_total{job="api"}[5m])；错误率百分比（按状态码 5xx 汇总相除再乘 100）；P99 延迟（使用histogram_quantile(0.99, ...)）；可用性 SLI（30 天窗口非 5xx 占比乘 100）；资源饱和度（容器 CPU 使用率与限制的比值）。 - 创建记录规则（recording rules），用于性能优化。示例包含
api_metrics组（interval 30s）中的job:http_requests:rate5m、job:http_errors:rate5m、job:http_error_ratio:rate5m，以及slo_metrics组（interval 1m）中的slo:availability:ratio_30d。 - 创建告警规则。示例包含
HighErrorRate（错误率大于 0.05，for 5m，severity critical，带 summary、description、runbook_url 注解）、ServiceDown（up{job="api"} == 0，for 1m）、HighLatencyP99（P99 大于 2，for 10m，severity warning）。 - 生成 Grafana 仪表盘 JSON。示例包含仪表盘标题、uid、tags、timezone、refresh、时间范围，以及 timeseries 与 stat 类型面板、gridPos、targets 表达式、legendFormat、单位与阈值配置。
- 抓取配置调试与生成。示例为 Kubernetes pod 角色发现与 relabel_configs（基于注解 keep、替换 metrics path、拼接
__address__）。 - 指标基数分析。示例查询包括按指标名统计 topk、标签值计数、以及使用
prometheus_tsdb_head_series / prometheus_tsdb_head_chunks观察内存占用。 - 解读指标模式与异常。
使用方式
执行操作时提供结构化输出，示例字段包括 operation、status、dashboard（uid、url）、validation（queries、panels、warnings）、artifacts。该技能可集成 mcp-grafana（Grafana 官方 MCP 服务器）与 loki-mcp（Loki 日志集成）。资料还列出可结合的流程：monitoring-setup.js（初始 Prometheus/Grafana 搭建）、slo-sli-tracking.js（SLO/SLI 仪表盘创建）、error-budget-management.js（错误预算仪表盘）。
前置条件
- 可访问 Prometheus 服务器
- 具备 API 访问权限的 Grafana 实例
- 可选：Alertmanager 用于告警
- 可选：Thanos/Cortex 用于长期存储
最佳实践（资料列出）
PromQL：使用记录规则预计算昂贵查询；限制基数，避免无界标签；使用与抓取间隔匹配的范围；图表优先用 rate() 而非 increase()。 告警：多窗口告警（结合短窗口与长窗口）；注解中包含清晰的 runbook 链接；设置与业务影响匹配的严重级别；对症状而非原因告警，避免告警疲劳。 仪表盘：USE 方法（Utilization、Saturation、Errors）；RED 方法（Rate、Errors、Duration）；布局保持一致；使用变量模板实现过滤。
错误处理（资料列出）
- No data：指标未被抓取，检查抓取配置与目标。
- Many-to-many matching：连接有歧义，使用 on() 或 ignoring()。
- Query timeout：查询过于复杂，使用记录规则。
- Cardinality explosion：存在无界标签，添加标签约束。
限制与约束
- 应用前须校验 PromQL 语法。
- 告警应先在非生产环境测试。
- 需考虑新增指标的基数影响。
- 使用合适的保留（retention）设置。
暂未提供的信息
资料未提供收费、价格、平台支持范围、性能效果指标及具体安装步骤说明。