Observability 是一个面向生产系统遥测与可观测性建设的技能，归属于 odin-claude-plugin。其用途是在新增遥测、构建系统能够长期维护的最小观测面、审查告警规则、发布生产特性或诊断不透明生产问题时提供一套有边界的执行流程。
主要能力与使用方式按以下流程展开：
适用范围与边界：该技能仅进行可逆的本地操作，只在工作区写入仪表化代码和本地遥测配置，不进行远程变更，回滚方式是丢弃或还原编辑。它不会替代实际的线上监控后端配置。
前置输入：需要提供待仪表化的目标源文件或端点，以及其运行时（语言与框架）。可选输入包括现有日志、指标或追踪库，已固定的指标或追踪后端，用于论证阈值的 SLO 或历史延迟与错误数据，以及告警投递渠道和运行手册位置。若未固定后端，则针对厂商中立的 OpenTelemetry API 编写，以便后续配置导出器。
执行步骤：首先读取目标代码并确认运行时与写入范围，无法识别目标则停止。随后写下 2 至 4 个运维值班问题，每个新增信号都必须回答其中一个问题并对应运维人员的处置动作，无法命名问题则停止仪表化。按问题类型选择信号：聚合频率或速度用指标，跨服务耗时分布用追踪，单个具体案例经过用日志。对每个请求驱动端点和外部依赖实施 RED（速率、错误、时长），对队列、连接池和主机实施 USE（利用率、饱和度、错误）。
日志要求：每行日志为 JSON 对象，包含稳定事件名与机器可读字段（ID、提供方、错误码、尝试次数），不得将值插值进散文式字符串；错误级别用于需要调查的不变量破坏，警告用于已处理降级，信息用于重要业务事件，调试默认在生产关闭。在系统边界生成或接受请求 ID 并附加到每条日志、Span 和出站调用，在响应中回显；禁止记录密钥、令牌、密码或未脱敏个人信息，采用字段白名单，不记录完整请求体。
指标要求：为每个端点和依赖添加延迟直方图，分桶大致覆盖 0.05 秒至 5 秒，标签包含方法、路由模板和状态类别（2xx/5xx），不使用原始状态码；读取 p50/p95/p99 而非平均值；标签只来自小型固定集合，禁止用户 ID、邮箱、请求 ID、完整 URL 或错误消息文本。
追踪要求：在应用代码之前初始化 OpenTelemetry 自动仪表化，覆盖 HTTP、gRPC 和数据库客户端，并设置服务名；仅在有意义的内部门作单元周围添加手工 Span，携带值班人员会过滤的属性，保持重建关键请求路径所需的最少 Span 数量；在每个异步边界（HTTP 头、队列消息元数据）传播上下文；采用低速率头部采样，后端支持时通过尾部采样保留所有错误。
告警与仪表盘：告警基于用户可感知的症状，如持续错误率超过小百分比、p99 延迟超过数秒、队列年龄超过数分钟，不对 CPU、Pod 重启或磁盘使用等原因告警；每条告警必须可操作（若响应是忽略则删除），链接说明其含义、首次查询和升级路径的运行手册，阈值与持续时间需由 SLO 或历史数据论证，且恰好使用 page（用户可见、立即处理）和 ticket（降级、本周处理）两级严重度。仪表盘围绕所选信号与追踪揭示的故障模式构建，每个面板映射到故障模式或运维问题，省略无人阅读的图表。
收尾与验证：只保留系统会维护的观测面，移除重复或无主的仪表化、标签、Span 或面板。在本地验证其可编译、可加载并可发出：结构化日志以 JSON 出现且关联 ID 完整，指标序列以预期标签和合理数值出现，单个请求端到端追踪无损坏 Span。若系统无法本地运行，则报告本地发出未验证。
失败与恢复：无法命名运维问题时不修改并报告；无法识别目标或运行时时停止且不写入；无 SLO 或历史数据论证阈值时不猜测数字，记录告警及其查询并标记阈值未论证；本地验证失败视为仪表化缺陷，修复后重跑失败检查；重复信号复用既有实现而不新增；无主的面板或信号应移除；部分结果保留通过部分并逐项列出通过或失败，不吞掉错误或虚报完成。
适用场景：为生产特性新增结构化日志、指标与追踪；审查或精简告警规则；诊断难以定位的生产问题；构建围绕故障模式的仪表盘。限制：不具备远程变更能力；在不提供后端时只能使用厂商中立的 OpenTelemetry API；无法本地运行时完成状态受阻；未提供 SLO 或历史数据时告警阈值无法论证。