SRE Engineer 是一套面向站点可靠性工程的技能，用于把可靠性目标量化并落地为可执行的流程与配置。核心工作流包括：评估架构与现有 SLO、事件与 toil 水平；识别有意义的 SLI 并设定目标；在继续之前确认目标符合用户预期；搭建黄金信号仪表盘与告警；识别重复任务并自动化；设计并执行混沌实验，在标记实验完成前验证恢复是否满足 RTO/RPO，并端到端验证恢复行为。
参考文档按上下文加载：定义 SLO、计算错误预算时读 references/slo-sli-management.md；管理预算、燃烧率与策略时读 references/error-budget-policy.md；黄金信号、告警设计与仪表盘读 references/monitoring-alerting.md；toil 削减与自动化模式读 references/automation-toil.md；事件响应与混沌工程读 references/incident-chaos.md。
使用约束：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事后复盘、度量 toil 并跟踪削减进展、自动化重复运维任务、用混沌工程测试失败场景、在可靠性与功能迭代速度之间取得平衡。不得在没有用户影响依据的情况下设定 SLO，不得只对症状告警而没有可执行 runbook，不得容忍超过 50% 的 toil 而无自动化计划，不得跳过复盘或追究个人责任，不得对重复任务采用手工流程，不得在无容量规划的情况下部署，不得忽视错误预算耗尽，不得构建无法优雅降级的系统。
输出形式包括：含 SLI 度量与目标的 SLO 定义、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，以及可靠性影响简述。示例涵盖基于请求的错误预算计算、多窗口燃烧率告警规则、黄金信号 PromQL 查询，以及按错误率阈值重启部署的 Python 自动化脚本。