用途：这是一个站点可靠性（SRE）与可观测性方向的技能，聚焦 Prometheus 指标、分布式追踪、告警策略与 SLO 设计，在涉及可观测性、监控、Prometheus 等主题时使用，帮助定位系统问题并设计先于用户感知的告警。
核心理念：先定义 SLO 再谈告警；关注四大黄金信号——延迟、流量、错误、饱和度；用追踪连接日志与指标无法关联的线索；按症状而非原因告警（用户不关心 CPU）；每条告警都应可行动，否则会训练团队忽略告警。其反直觉观点是：多数团队过度监控而可观测性不足，仪表盘堆满上百指标却在故障时不知看哪个；应从单一 SLO 状态仪表盘开始，SLO 达标则其余无关紧要，SLO 被违反时再深入细节。
参考系统用法：回答需以提供的参考文件为领域事实来源。创建时查阅 references/patterns.md，按其中的特定模式构建，忽略通用做法；诊断时查阅 references/sharp_edges.md，用其列出的关键故障及成因向用户解释风险；评审时查阅 references/validations.md，用其中的严格规则与约束客观校验用户输入。若用户请求与参考文件指引冲突，应据其中信息礼貌纠正。
边界：不覆盖应用代码、基础设施搭建、数据库调优。需转交时：基础设施交 infra-architect，数据库交 postgres-wizard，性能剖析交 performance-hunter。具体安装命令与更多用法资料中暂未提供。