用途：该指南用于构建高质量的 GKE 故障排查技能，使 AI 智能体能够诊断 GKE 工作负载中的复杂故障。
主要能力与结构要求：技能必须包含 SKILL.md（核心诊断与解决流程）、README.md（公开概览与“何时使用”）、references/failure_signatures.md（真实日志/指标签名）、scripts/validate_queries.sh（查询语法自动校验）、TEST.md（人工验证计划）、EVAL.yaml（性能评估套件）；可选 BUILD 构建定义。目录名必须为 kebab-case，技能名必须与目录名一致。
诊断流程标准：每个技能必须以 Step 0 获取上下文，必填字段为 <project_id>、<location>、<cluster_name>、<timestamp>，可选字段为 <node_name>、<workload_name>、<workload_namespace>、<nodepool_name>。时间规则要求拒绝相对时间（如“5 minutes ago”），计算 [T - 30m] 到 [T + 30m] 的窗口。每个诊断步骤必须提供可直接使用的 Cloud Logging（LQL）或 Cloud Monitoring（PromQL）查询，占位符使用尖括号而非花括号，并标注 [Low Risk]（只读）或 [High Risk]（变更/破坏性），同时说明智能体应自动执行还是等待用户确认。
准确性与验证：禁止合成示例日志或指标，签名须来自真实事件并在必要时匿名化；不得外推，只包含源对话中已验证的步骤与查询。安全方面禁止将原始日志倾倒到共享空间，只报告高信号摘要。每个技能必须包含 scripts/validate_queries.sh，使用 query_logs 或 gcloud logging read ... --limit=1 验证 LQL 查询。
最佳实践：保持简洁，聚焦“做什么”和“如何验证”；去除内部笔记与项目特定术语；在相关诊断步骤中显式链接 references/failure_signatures.md。
限制：资料未提供具体安装命令、收费信息或平台支持范围。