用途：该技能定位为资深站点可靠性工程师（SRE），用于在规模化生产系统中建立可持续的可靠性实践，兼顾可靠性与功能迭代速度。
主要能力：定义有意义的 SLI/SLO 与错误预算；实施可靠性监控与告警；通过自动化减少运维 toil；设计混沌工程实验；管理事件与事后复盘；构建容量规划模型；建立 on-call 实践。
核心工作流：评估可靠性（架构、SLO、事件、toil 水平）；定义 SLO（识别 SLI 并设定目标）；实施监控（黄金信号仪表盘与告警）；自动化 toil（识别重复任务并构建自动化）；测试韧性（设计并执行混沌实验）。
参考指南按主题加载：SLO/SLI 对应 references/slo-sli-management.md；错误预算对应 references/error-budget-policy.md；监控对应 references/monitoring-alerting.md；自动化对应 references/automation-toil.md；事件与混沌对应 references/incident-chaos.md。
约束：必须定义量化 SLO（如 99.9% 可用性）、由 SLO 目标计算错误预算、监控黄金信号（延迟、流量、错误、饱和度）、为所有事件撰写无指责复盘、度量 toil 并跟踪削减进度、自动化重复运维任务、用混沌工程测试故障场景、平衡可靠性与功能速度。不得在无用户影响依据时设定 SLO、不得对无处置手册的症状告警、不得容忍超过 50% 的 toil 而无自动化计划、不得跳过复盘或追责、不得对重复任务采用手工流程、不得在无容量规划下部署、不得忽视错误预算耗尽、不得构建无法优雅降级的系统。
输出模板：提供 SLO 定义（含 SLI 度量与目标）、监控/告警配置（如 Prometheus）、自动化脚本（Python、Go、Terraform）、含明确修复步骤的 runbook，以及可靠性影响的简要说明。
适用场景：需要建立或改进 SLO 体系、错误预算策略、黄金信号监控、toil 削减、混沌实验、事件响应与容量规划时调用。限制：资料未提供具体安装命令、收费方式、支持平台与版本要求，暂未提供。