用途：为 LangChain 1.0 / LangGraph 1.0 生产事故提供值班分诊与处置流程，覆盖延迟、成本、错误率三类告警。
主要能力：定义 LLM 专用 SLO（p95 TTFT <1s、p99 总延迟 <10s、错误率 <0.5%、单请求成本 <$0.05），并给出 Prometheus 燃烧率告警规则；提供延迟/成本/错误率三条根路径的分诊决策树；供应商故障检测（状态页、金丝雀探针、错误率）与 .with_fallbacks(backup) 故障切换；通过 recursion_limit 调优与中间件 token 预算上限遏制智能体失控循环；事后调试包与复盘模板。
使用方式：需启用 LangSmith 追踪、Prometheus/Alertmanager 或同类监控、已接入 langchain-observability 指标与 langchain-rate-limits 的备用模型工厂，并配置值班与告警集成。按步骤先定义 SLO 与燃烧率告警，再按告警名走分诊路径，故障时先检测再熔断切换，最后做复盘。示例：agent = create_react_agent(llm, tools, recursion_limit=8)；gcloud run services update <svc> --min-instances=1。
适用场景：值班处理智能体失控（P10）、冷启动（P36）、重试放大（P30）、限流（P29/P31）等生产问题。
限制：资料未提供具体收费、价格与平台支持范围；部分关联技能（如 langchain-middleware-patterns）标注为“如可用”，实际可用性暂未提供。