用途：为云基础设施与应用设计并配置监控与可观测性方案，围绕指标、日志、链路三大支柱，规划仪表盘、告警规则与 SLI/SLO/SLA。
主要能力：识别监控目标并定义 SLI（如延迟、错误率、吞吐）与 SLO；按云厂商与架构推荐监控栈（Prometheus 采集指标、Grafana 可视化、Loki 或 CloudWatch Logs 聚合日志、Jaeger 或 AWS X-Ray 做分布式链路追踪），并用 OpenTelemetry SDK 输出标准化遥测数据；部署指标采集器、导出器与自定义指标，构建展示黄金信号（延迟、流量、错误、饱和度）与基础设施指标的仪表盘；配置告警规则，采用 SLO 错误预算燃烧率、多窗口多燃烧率告警以兼顾检测速度与误报抑制；将关键告警路由至 PagerDuty 或 Opsgenie，警告发送至 Slack；配置集中日志采集与结构化日志（JSON）、日志保留策略与基于日志的告警；用共享 trace ID 关联链路、日志与指标；定期审计告警噪声、仪表盘使用率与 SLO 合规，清理无用告警并纳入新服务。
使用方式：向智能体提供云厂商、需监控的服务、偏好的监控栈以及现有 SLO 或告警要求即可。示例提示：为 AWS 上的 Kubernetes 微服务建立监控，用 Prometheus 和 Grafana 做指标与仪表盘，监控 API 延迟（p99 < 500ms）与错误率（< 1%），关键告警发 PagerDuty、警告发 Slack，用 CloudWatch Logs 聚合日志。
支持技术：指标 Prometheus、AWS CloudWatch、Google Cloud Monitoring、Azure Monitor、Datadog、New Relic；可视化 Grafana、CloudWatch Dashboards、Datadog Dashboards、Kibana；日志 Loki、CloudWatch Logs、EFK、Splunk；链路 Jaeger、Zipkin、AWS X-Ray、Tempo、Datadog APM；插桩 OpenTelemetry、Prometheus 客户端库、StatsD；告警 Alertmanager、PagerDuty、Opsgenie、Slack Webhooks、SNS。
限制与注意事项：需警惕指标高基数导致 Prometheus 内存问题；分布式链路时钟偏移需 NTP 同步；故障时须用告警分组与抑制规则避免告警风暴；滚动发布期间用容忍缺失的 rate() 函数并设置合理的 for 时长；CloudWatch 查询过多自定义指标可能触发 API 限流，宜用 GetMetricData 批量获取并在客户端缓存。具体收费、价格与平台支持范围资料暂未提供。