用途
该技能在请求涉及可观测性设计或审查时启用，具体包括：埋点（日志、指标、追踪）、事故调查、SLI/SLO 定义、仪表盘与告警构建。也可用于定义客观信号，以决定是否继续、暂停或回滚一次发布。
不适用于诊断已检测到的具体延迟的根因——那属于性能工程技能的职责；此处的可观测性关注的是设计信号系统本身，而非调查某个已埋点的个案。当此处定义的信号将决定发布的 failure_action 时，可与交付工程技能配合使用。
主要能力与流程
- 在选用任何工具之前，先定义真实的运维问题（例如“结账对用户是否可用？”）和关键用户旅程。
- 当服务的关键性足以支撑时，建立 SLI（可测量的指标）和带有明确错误预算的 SLO（可接受目标）。
- 映射信任/系统边界（HTTP、队列、任务、数据库）以及需要跨越这些边界的关联上下文（trace id、request id）。
- 在设计阶段就为事件、指标和 span 埋点，并控制基数，而非事后补救。
- 在遥测中保护敏感数据（脱敏、掩码），并按信号类型定义保留策略。
- 构建按决策组织的仪表盘（这块屏幕帮我决定什么？）和按行动组织的告警（告警触发时我该做什么？）。
- 在信任遥测之前，先在成功、失败和部分降级三种状态下验证它。
标准与约定
- 结构化日志（键值或 JSON），包含命名事件、严重级别、关联标识和必要的最小上下文——绝不使用需要正则提取数据的自由文本拼接。
- 指标仅使用基数有限且已知的标签（归一化端点、状态码、租户数量少时的租户）；绝不使用 user id、带查询字符串的原始 URL 或原始错误消息作为标签——每个唯一标签值都会成倍增加存储的时序数量。
- 追踪在跨越 HTTP、队列和异步任务时保留相同的关联上下文——在队列边缘断裂的 trace 无法调试最常见的问题（服务间的分布式延迟）。
- 告警应反映真实的用户影响或即将违反 SLO 的风险，且每条告警都有 owner 和可访问的 runbook——没有对应行动的告警是训练团队忽视告警的噪音。
- 仪表盘从聚合健康视图（RED/USE）开始，并允许下钻到细粒度信号，而非相反。
- 追踪采样保留 100% 的错误和关键业务事务，即使降低高流量正常路径的采样率。
- 遥测自身以安全方式失效（降级而非拖垮产品）——指标导出器宕机绝不能拖垮它所埋点的应用。
反模式
- “记录一切”却无结构和一致的严重级别：增加存储成本并降低事故期间真正找到相关事件的能力——日志量不等于可观测性。
- 使用高基数标签的指标（如 user_id 或 order_id 作为标签）：会爆炸式增加存储的时序数量，可能导致指标后端宕机或成本剧增。
- 告警配置在原因指标而非症状指标上（如告警“CPU 高”而非“错误率/延迟超出 SLO”）：在良性峰值时产生噪音，且不一定检测到真实的用户影响。
- 仅因“当时看起来有用”而存在的仪表盘，缺乏定期审查：积累过时面板，与真正重要的面板争夺注意力。
验证方式
- 在受控场景中生成端到端遥测，确认关联（trace id）跨越所有已映射的边界。
- 验证预估基数、估算成本、已配置的保留策略，以及敏感字段在离开服务前经过脱敏。
- 确认配置的告警确实在应有的场景下触发（测试或模拟），且绑定的 runbook 可被非代码作者执行。
- 针对已知故障场景，运行团队在真实事故中会使用的查询，确认它们在有用时间内返回预期信号。
- 不能仅因存在仪表盘就宣称系统“可观测”；证明是团队能仅凭遥测回答最初的运维问题，而无需访问代码或数据库。
相关技能
- $specsfy-specialist-debugging 消费信号以隔离原因，并在证据不足时要求额外埋点。
- $specsfy-specialist-docker 和 $specsfy-specialist-docker-swarm 暴露运行时、服务和节点信号；本技能定义关联与决策。
- $specsfy-specialist-postgres 和 $specsfy-specialist-redis 产生数据/缓存信号，此处控制其基数和保留策略。
- $specsfy-specialist-web-api-design 在契约中定义关联和错误；本技能度量端点在运行中的行为。
- $specsfy-specialist-performance-engineering 用于诊断此处信号已检测到的延迟或瓶颈的根因。
- $specsfy-specialist-delivery-engineering 当此处定义的健康信号为继续或回滚发布的决策提供输入时使用。
- $specsfy-specialist-application-security 当遥测需要记录（或刻意不记录）安全事件时使用。
阅读 references/standards.md 了解可观测性支柱、仪表盘框架（RED/USE）、SLI/SLO 以及 OpenTelemetry 官方来源。