Monitoring

github-opsは、`gh` CLIを使ってIssueのトリアージ、PR管理、CI失敗の確認、リリース準備、リポジトリ健全性の監視を行うためのGitHub運用スキルです。実在するリポジトリに対して、繰り返し使えるgithub-ops運用が必要で、`gh auth login`による認証と明確なリポジトリコンテキストがある場合に使います。

enterprise-agent-ops は、長寿命またはクラウドホスト型のエージェントシステムを、可観測性、安全制御、変更管理、復旧計画つきで運用するためのスキルです。単発のプロンプトではなく、エージェントのオーケストレーションを実務的に扱うガイドが必要なときに使います。

dashboard-builder は、メトリクスを Grafana、SigNoz、または同種のツールで使える実用的な運用ダッシュボードに変えるのに役立ちます。健全性、ボトルネック、スループット、アクションにつながるパネルを、見栄えだけのボードではなく、わかりやすい dashboard-builder ガイドとしてまとめたいときに使うスキルです。

memory-forensicsスキルで、RAM取得とVolatility 3によるダンプ解析を進めるためのガイドです。導入前の前提、基本的な使い方、アーティファクト抽出、インシデントトリアージまでを、Windows、Linux、macOS、VMメモリを対象に整理しています。

incident-runbook-templates は、障害対応や運用 Playbooks 向けに、トリアージ、緩和策、エスカレーション、コミュニケーション、復旧までを明確に整理した構造化インシデント対応 runbook の作成を支援します。

shipping-and-launchは、リスクの高いリリースを本番投入する前に、事前チェックリスト、監視設定、段階的ロールアウト計画、成功基準、ロールバック戦略まで整理できるスキルです。単なる deploy コマンドではなく、より安全な Deployment を進めたい場面に向いています。構造化された shipping-and-launch ガイドを求めるエンジニアや運用担当者向けに設計されています。

huggingface-trackio は、Trackio を使って ML の学習実行を追跡するのに役立ちます。このスキルでは、Python からメトリクスを記録したり、学習アラートを追加したり、trackio CLI で実行を取得・分析したりできます。リアルタイムのダッシュボード、Hugging Face Space との同期、そして自動化向けの JSON 出力に対応しており、huggingface-trackio は実験トラッキングやデータ分析に有用です。

analyzing-ransomware-leak-site-intelligence は、ransomware のデータリークサイトを監視し、被害者や攻撃グループのシグナルを抽出して、インシデント対応、業界リスクの見直し、攻撃者追跡に使える構造化された脅威インテリジェンスを作成します。

azure-monitor-query-py は、Python 開発者が azure-monitor-query を使って Azure Monitor のログとメトリックを検索するのを支援します。Log Analytics ワークスペース、Azure リソースのメトリック、バックエンド監視、診断、オブザーバビリティの自動化に適しています。すでに workspace ID、resource URI、Azure 認証情報がある場合に、azure-monitor-query-py skill として特にフィットします。

Backend Development 向けに azure-monitor-query-java を、インストールメモ、クライアントの使い分け、実践的なログ・メトリクス活用までまとめて学べます。この azure-monitor-query-java スキルでは、非推奨の Azure Monitor Query SDK for Java を扱い、後継の分割パッケージへの案内も示しつつ、SKILL.md と例をすばやく読み解けるようにしています。

Java バックエンド開発と Azure Monitor/OpenTelemetry 移行向けの azure-monitor-opentelemetry-exporter-java スキルです。旧 exporter の使い方、導入時の前提、そして新規構成では azure-monitor-opentelemetry-autoconfigure が推奨される理由を確認できます。依存関係の設定、接続文字列の構成、トレース・メトリクス・ログ運用の実践的なガイダンスを収録しています。

azure-monitor-ingestion-java は、Java バックエンド開発で Azure Monitor にカスタムログを Logs Ingestion API、DCR、DCE 経由で送信するためのスキルです。インストール手順、クライアント設定、バッチ処理、エラーハンドリング、非同期パターン、そして SKILL.md と references/examples.md を使った実践的な使い方を把握するのに役立ちます。

rank-trackerスキルは、SEOチームがキーワード順位の推移を追跡し、順位スナップショットを比較し、意図別にキーワードを整理し、組み込みの設定・分析テンプレートを使ってSERPの変化を時系列でレポートするのに役立ちます。

neon-postgres-egress-optimizer は、`pg_stat_statements` を使って過剰取得しているクエリを特定し、計測期間の妥当性を確認し、取得列の絞り込み・ページネーション・ORM クエリの見直しなどアプリ側の改善につなげることで、Postgres の egress の診断と削減を支援します。

performance-engineer は、ボトルネックの特定、低速なシステムのプロファイリング、修正後の効果検証を、ベースライン指標・参考情報・補助スクリプトとあわせて体系的に進めるための構造化スキルです。

get-available-resources は、重い科学計算や ML ワークフローの前に CPU、GPU、メモリ、ディスクを確認します。リソースのスナップショットと、並列処理、GPU アクセラレーション、メモリ安全な手法に関する実用的な推奨を返し、ワークフロー自動化でエージェントがより適切な実行判断を下せるようにします。

aws-cost-operations は、AWS のコスト見積もり、請求書の確認、CloudWatch の監視、CloudTrail のチェック、運用判断の支援に使える AWS コスト・運用スキルです。Finance、FinOps、プラットフォームチーム、そして検証済みの AWS 情報と意思決定に使える出力を必要とする運用担当者に適しています。

observe-whatsapp は、Kapso での WhatsApp 運用の診断を支援します。メッセージ配信、webhook の再試行、API エラー、番号の健全性を確認できます。observe-whatsapp skill を使えば、失敗のシグナルから適切な確認項目へ素早くたどり着けます。CLI 優先の手順と、運用トラブルシュート向けの API フォールバックも用意されています。

azure-monitor-ingestion-py は、Logs Ingestion API を使ってカスタムログを Azure Monitor Log Analytics に送信するための Python スキルです。必要な DCE、DCR、ストリーム名、認証設定までカバーしており、バックエンド開発や導入検討、Azure の監視ワークフローでの実践的な利用に役立ちます。

azure-ai-anomalydetector-java は、Java で Azure AI Anomaly Detector のワークフローを構築するためのスキルです。時系列監視、単変量・多変量の異常検出、バックエンドのアラート処理に役立ちます。インストール前提の SDK ガイド、クライアント設定、認証例、本番コードで使える実践的な azure-ai-anomalydetector-java の使い方が必要なときに適しています。

azure-mgmt-applicationinsights-dotnet は、.NET のバックエンド開発向け Azure Resource Manager SDK skill です。Azure.ResourceManager.ApplicationInsights を使って、Application Insights のコンポーネント、Web テスト、ワークブック、分析項目、API キーを、より明確な認証・環境設定で作成・管理するのに役立ちます。

datadog-cliは、ログ、トレース、メトリクス、サービス、ダッシュボード向けのDatadog CLIワークフローをエージェントで実行するためのスキルです。DD_API_KEYとDD_APP_KEYを使ったセットアップ、`npx @leoflores/datadog-cli`コマンドの使い方、`--site`の指定方法、インシデントトリアージ時にダッシュボード更新を安全に進めるポイントを確認できます。

ml-pipeline-workflow は、データ準備、学習、検証、デプロイ、監視までを含むエンドツーエンドの MLOps パイプライン設計を実践的に案内するガイドです。再現性のあるワークフロー自動化に向けたオーケストレーションの設計パターンも整理されています。

deployment-engineer は、デプロイパイプラインの構築、runbook の作成、検証・ロールバック・可観測性の工程追加に対応した CI/CD・リリース計画向けスキルです。GitHub Actions の例、Kubernetes の参考情報、デプロイ計画の生成と検証を行う補助スクリプトが含まれます。