Metrics

dashboard-builder hilft dir dabei, Kennzahlen in ein praxisnahes Betriebs-Dashboard für Grafana, SigNoz oder ähnliche Tools zu verwandeln. Nutze die dashboard-builder-Skill, wenn du einen klaren Leitfaden für Health, Engpässe, Durchsatz und handlungsorientierte Panels brauchst – statt eines bloßen Vorzeige-Dashboards.

Nutze das benchmark-Skill, um Performance-Baselines zu messen, Regressionen vor und nach PRs zu erkennen und Stack-Alternativen über Seiten, APIs und Builds hinweg für Performance Optimization zu vergleichen.

retro ist eine Retro-Skill für Engineering-Teams. Sie analysiert Commit-Verlauf, Arbeitsmuster und frühere Erkenntnisse, um ein strukturiertes wöchentliches Retro mit Kontinuität zu erstellen. Nutze retro für Sprint-Reviews, Fragen wie „Was haben wir geliefert?“ und Check-ins im Project Management.

startup-metrics-framework unterstützt Gründer, Analysten und operative Teams dabei, Startup-KPIs wie CAC, LTV, Burn Multiple, Runway und Wachstumskennzahlen für SaaS-, Marketplace-, Consumer- und B2B-Startups zu berechnen.

startup-financial-modeling unterstützt Agents beim Aufbau von 3- bis 5-jährigen Finanzmodellen für Startups – mit Cohort-Umsätzen, Kostenstruktur, Burn, Runway und Fundraising-Szenarien. Besonders geeignet für Gründer:innen und Finance-Verantwortliche, die vor der Installation Kontext, klare Eingaben und praxisnahe Nutzungshinweise aus der SKILL.md brauchen.

risk-metrics-calculation unterstützt bei der Berechnung von Portfoliorisikokennzahlen wie VaR, CVaR, Sharpe, Sortino, Beta, Volatilität und Drawdown. Damit lassen sich Renditereihen in strukturiertes Risikoreporting, Python-Umsetzungsmuster und praxisnahe Interpretationen für Finance-Workflows überführen.

python-observability unterstützt Sie dabei, Python-Services mit strukturiertem Logging, Metriken, Traces, Correlation IDs und Mustern mit begrenzter Kardinalität zu instrumentieren – für Production-Debugging und eine sicherere Einführung von Observability.

Die evaluation-methodology Skill erklärt das PluginEval-Scoring für Model Evaluation, einschließlich Ebenen, Rubriken, zusammengesetzter Bewertung, Badge-Schwellen und praxisnaher Hinweise zur Interpretation von Ergebnissen und zur Verbesserung schwacher Dimensionen.

grafana-dashboards unterstützt Agents beim Entwurf produktionsreifer Grafana-Dashboards für Observability. Nutzen Sie es, um Layouts nach RED und USE zu planen, die Panel-Hierarchie festzulegen und die Dashboard-Struktur für Metriken im Prometheus-Stil zu skizzieren.

prometheus-configuration unterstützt bei Installation und Nutzung von Prometheus für Scraping, Retention, Alerting und Recording Rules in Kubernetes-, Docker-Compose- und Server-Umgebungen.

Mit dem Skill slo-implementation definieren Teams SLIs, SLOs, Error Budgets und Burn-Rate-Alerts für Reliability-Arbeit. Er hilft dabei, Service-Ziele in messbare Vorgaben zu übersetzen, mit PromQL-nahen Beispielen und praxisorientierter Anleitung aus SKILL.md.

Mit dem Skill llm-evaluation erstellen Sie wiederholbare Evaluationspläne für LLM-Apps, Prompts, RAG-Systeme und Modelländerungen – mit Metriken, menschlicher Bewertung, Benchmarking und Regressionsprüfungen.

service-mesh-observability ist ein praxisnaher Skill für die Konzeption von Observability in Istio, Linkerd und anderen Service Meshes. Damit definieren Sie Mesh-Metriken, Traces, Dashboards, Alerts und SLOs für Latenz, Fehler und Service-Abhängigkeiten.

Die Skill kpi-dashboard-design unterstützt Teams dabei, entscheidungsorientierte KPI-Dashboards zu planen – mit Hilfestellung bei Metrikauswahl, Dashboard-Hierarchie, Diagramm-Mustern und Governance für Executive-, taktische und operative Ansichten.

appinsights-instrumentation unterstützt bei der Instrumentierung von in Azure gehosteten Web-Apps mit Application Insights. Der Skill führt durch die Auto-Instrumentierung in App Service oder die manuelle Einrichtung für ASP.NET Core und Node.js, einschließlich Connection String und IaC-Anpassungen.

pro ist ein PUA-Erweiterungs-Skill für Workflow Automation. Er ergänzt das übergeordnete pua-System um persistenten Status, Recovery nach Compaction, KPI-Reporting, Wochenzusammenfassungen und befehlsbasierte Funktionen im Stil von Leaderboards.

metrics-dashboard hilft dir, ein Produkt-Metrics-Dashboard mit den richtigen KPIs, Visualisierungen und Alarm-Schwellen zu definieren und zu gestalten. Nutze es, um zu planen, was gemessen werden soll, wie Metriken gruppiert werden und welche Signale in Produkt-, Growth- oder Analytics-Workflows Aktionen auslösen sollten.

Nutze north-star-metric, um eine kundenzentrierte North-Star-Metrik und 3–5 Input-Metriken zu definieren, das Geschäftsmodell einzuordnen und die Metrik anhand zentraler Kriterien zu validieren. Das ist ein praxisnaher Leitfaden zu north-star-metric für Produktmanagement-Teams, die entscheiden müssen, was sie messen, und ein belastbares Metrik-Framework aufbauen wollen.

saas-revenue-growth-metrics hilft dir dabei, MRR, ARR, Churn, Expansion und NRR für SaaS zu berechnen und einzuordnen. Nutze den saas-revenue-growth-metrics Skill, wenn du einen Finance-tauglichen Leitfaden brauchst, um Wachstumslecks aufzudecken, die Qualität von Umsätzen zu vergleichen und die Geschäftsdynamik mit klaren Eingaben und Entscheidungen zu erklären.

Die Skill „saas-economics-efficiency-metrics“ hilft dabei, die Unit Economics von SaaS, Kapitaleffizienz, CAC, LTV, Payback, Burn und Runway zu bewerten. Sie eignet sich, um zu entscheiden, ob ein Unternehmen skalieren, optimieren oder erst die Basis reparieren sollte – etwa für Finance-Reviews, Board-Prep und Wachstumsentscheidungen.

business-health-diagnostic hilft Finance-Teams, Gründern und Operators dabei, die SaaS-Gesundheit über Wachstum, Retention, Unit Economics und Kapitaleffizienz hinweg zu bewerten – als Grundlage für entscheidungsreife Board-Updates. Nutzen Sie es, um Warnsignale früh zu erkennen, Maßnahmen zu priorisieren und Rohdaten in eine belastbare Diagnose zu übersetzen.

azure-monitor-query-py unterstützt Python-Entwickler beim Abfragen von Azure Monitor-Logs und Metriken mit azure-monitor-query. Nutzen Sie es für Log Analytics Workspaces, Azure-Ressourcenmetriken, Backend-Monitoring, Diagnosen und die Automatisierung von Observability. Es passt zum azure-monitor-query-py Skill, wenn Sie bereits Workspace-IDs, Resource-URIs und Azure-Anmeldedaten haben.

app-analytics hilft dir dabei, Mobile-App-Tracking mit einem praxistauglichen Messplan aufzusetzen, zu interpretieren und zu verbessern. Nutze es, um die richtigen Tools auszuwählen, Events zu validieren, Attribution mit Ergebnissen zu verknüpfen und Data Analysis für Produkt-, Growth-, Abo- oder Paid-Acquisition-Entscheidungen zu unterstützen.

performance-reporter hilft Teams dabei, SEO- und GEO-Metriken mit integrierten Vorlagen, KPI-Definitionen und zielgruppenspezifischen Reporting-Formaten in managementtaugliche Reports, KPI-Dashboards und monatliche Zusammenfassungen zu überführen.