Monitoring

github-ops ist ein Skill für GitHub-Operationen zum Triage von Issues, Verwalten von PRs, Prüfen von CI-Fehlern, Vorbereiten von Releases und Überwachen der Repository-Gesundheit mit der gh CLI. Nutze den github-ops Skill, wenn du wiederholbare github-ops-Anwendungen für ein echtes Repository brauchst, mit Authentifizierung über `gh auth login` und klarem Repo-Kontext.

enterprise-agent-ops hilft dir dabei, lang laufende oder in der Cloud gehostete Agentensysteme mit Observability, Sicherheitskontrollen, Änderungsmanagement und Recovery-Planung zu betreiben. Nutze es, wenn du einen praxisnahen Leitfaden für die Orchestrierung von Agents brauchst und nicht nur einen einmaligen Prompt.

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.

Das memory-forensics Skill unterstützt bei RAM-Erfassung und Dump-Analyse mit Volatility 3. Behandelt Installationskontext, typische Arbeitsabläufe, Artefakt-Extraktion und Incident-Triage für Windows-, Linux-, macOS- und VM-Speicher.

incident-runbook-templates unterstützt Teams dabei, strukturierte Incident-Response-Runbooks mit klaren Schritten für Triage, Eindämmung, Eskalation, Kommunikation und Wiederherstellung bei Ausfällen und operativen Playbooks zu erstellen.

Das shipping-and-launch Skill bereitet riskante Releases mit einer Checkliste vor dem Launch, Monitoring-Setup, gestaffelter Rollout-Planung, Erfolgskriterien und einer Rollback-Strategie auf den Produktionseinsatz vor. Verwende es, wenn du ein sichereres Deployment brauchst und nicht nur einen Deploy-Befehl. Es ist für Engineers und Operatoren gedacht, die einen strukturierten Guide für Shipping und Launch suchen.

huggingface-trackio hilft dabei, ML-Trainingsläufe mit Trackio zu verfolgen. Nutze diese Skill-Guide, um Metriken aus Python zu protokollieren, Trainingsalarme einzurichten und Läufe mit der trackio CLI abzurufen oder zu analysieren. Sie unterstützt Echtzeit-Dashboards, die Synchronisierung mit Hugging Face Spaces und JSON-Ausgabe für Automatisierungen und ist damit für Experiment-Tracking und Datenanalyse nützlich.

analyzing-ransomware-leak-site-intelligence hilft dabei, Ransomware-Datenleakseiten zu überwachen, Opfer- und Gruppen-Signale zu extrahieren und strukturierte Threat Intelligence für Incident Response, Risikoanalysen in Branchen und Gegner-Tracking zu erstellen.

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.

Lernen Sie azure-monitor-query-java für die Backend-Entwicklung mit Installationshinweisen, Client-Mustern und praxisnaher Nutzung von Logs und Metriken. Dieser azure-monitor-query-java Skill behandelt das veraltete Azure Monitor Query SDK für Java, verweist auf die neueren aufgeteilten Pakete und hilft Ihnen, SKILL.md und Beispiele schnell einzuordnen.

Der azure-monitor-opentelemetry-exporter-java Skill für Java-Backend-Entwicklung und die Migration zu Azure Monitor/OpenTelemetry. Sie lernen die Nutzung des Legacy-Exporters, den Installationskontext und warum das Repo für neue Setups azure-monitor-opentelemetry-autoconfigure empfiehlt. Enthalten sind Hinweise zur Dependency-Einrichtung, zur Connection-String-Konfiguration sowie praktische Orientierung für Traces, Metriken und Logs.

azure-monitor-ingestion-java Skill für die Java-Backend-Entwicklung, der benutzerdefinierte Logs über die Logs Ingestion API, DCR und DCE an Azure Monitor sendet. Er hilft dabei, Installationsschritte, Client-Setup, Batch-Verarbeitung, Fehlerbehandlung, asynchrone Muster und praxisnahe Nutzung mit SKILL.md und references/examples.md zu verstehen.

Das rank-tracker-Skill unterstützt SEO-Teams dabei, Keyword-Positionen zu überwachen, Ranking-Snapshots zu vergleichen, Begriffe nach Suchintention zu gruppieren und Veränderungen in den SERPs im Zeitverlauf mit integrierten Setup- und Analysevorlagen zu dokumentieren.

neon-postgres-egress-optimizer hilft dabei, Postgres-Egress zu analysieren und zu reduzieren. Dafür nutzt es `pg_stat_statements`, um Queries mit Overfetching zu finden, Messzeiträume zu validieren und app-seitige Optimierungen wie gezieltere Selects, Pagination und Anpassungen an ORM-Queries abzuleiten.

performance-engineer ist eine strukturierte Skill zur Diagnose von Engpässen, zum Profiling langsamer Systeme und zur Validierung von Fixes mit Baseline-Metriken, Referenzen und Hilfsskripten.

get-available-resources prüft vor rechenintensiven wissenschaftlichen oder ML-Workflows CPU, GPU, Arbeitsspeicher und Festplatte. Es liefert eine Ressourcenübersicht sowie praxisnahe Empfehlungen für parallele Verarbeitung, GPU-Beschleunigung oder speicherschonende Vorgehensweisen und hilft Agents so, bessere Ausführungsentscheidungen für die Workflow-Automatisierung zu treffen.

aws-cost-operations ist ein AWS-Kosten- und Operations-Skill zum Abschätzen von Kosten, Prüfen von Rechnungen, Überwachen von CloudWatch, Auswerten von CloudTrail und zur Unterstützung operativer Entscheidungen. Er eignet sich besonders für Finance-, FinOps-, Plattform- und Betriebsteams, die verifizierte AWS-Fakten und entscheidungsreife Ergebnisse benötigen.

observe-whatsapp hilft dabei, WhatsApp-Vorgänge in Kapso zu diagnostizieren: Nachrichtenzustellung, Webhook-Retries, API-Fehler und die Gesundheit von Telefonnummern. Mit dem observe-whatsapp Skill kommst du schnell vom Fehlersignal zur richtigen Prüfung – mit CLI-first-Schritten und API-Fallback für die Fehlersuche in der Produktion.

azure-monitor-ingestion-py ist ein Python-Skill zum Senden benutzerdefinierter Protokolle an Azure Monitor Log Analytics mit der Logs Ingestion API. Er behandelt das erforderliche Setup für DCE, DCR, Stream-Namen und Authentifizierung und ist damit nützlich für Backend-Entwicklung, Installationsplanung und den praktischen Einsatz in Azure-Monitoring-Workflows.

azure-ai-anomalydetector-java hilft dir, Azure AI Anomaly Detector-Workflows in Java für Zeitreihen-Monitoring, univariate und multivariate Anomalieerkennung sowie Backend-Alerting aufzubauen. Nutze diese Skill, wenn du installierbare SDK-Anleitungen, Client-Setup, Authentifizierungsbeispiele und praxisnahe azure-ai-anomalydetector-java-Nutzung für produktiven Code brauchst.

azure-mgmt-applicationinsights-dotnet ist das Azure-Resource-Manager-SDK-Skill für die .NET-Backendentwicklung. Es hilft Ihnen, Azure.ResourceManager.ApplicationInsights zu installieren und zu nutzen, um Application-Insights-Komponenten, Webtests, Workbooks, Analysedaten und API-Schlüssel mit klarerer Authentifizierung und sauberem Environment-Setup zu erstellen und zu verwalten.

datadog-cli unterstützt Agents bei Datadog-CLI-Workflows für Logs, Traces, Metriken, Services und Dashboards. Sie erfahren, wie Sie DD_API_KEY und DD_APP_KEY einrichten, `npx @leoflores/datadog-cli`-Befehle nutzen und mit `--site` sowie der sicheren Aktualisierung von Dashboards für die Incident-Triage umgehen.

ml-pipeline-workflow ist ein praxisnaher Leitfaden für die Konzeption durchgängiger MLOps-Pipelines für Datenaufbereitung, Training, Validierung, Deployment und Monitoring – inklusive Orchestrierungsmustern für wiederholbare Workflow-Automatisierung.

deployment-engineer ist eine Skill-Lösung für CI/CD und Release-Planung. Sie unterstützt beim Aufbau von Deployment-Pipelines, beim Erstellen von Runbooks sowie beim Ergänzen von Verifikation, Rollback und Observability. Enthalten sind Beispiele für GitHub Actions, Verweise auf Kubernetes und Hilfsskripte zum Erzeugen und Validieren von Deployment-Plänen.