Monitoring

github-ops는 `gh` CLI를 사용해 이슈 분류, PR 관리, CI 실패 확인, 릴리스 준비, 저장소 상태 모니터링을 돕는 GitHub 운영 스킬입니다. 실제 저장소에서 반복 가능한 github-ops 사용이 필요하고, `gh auth login`으로 인증하며 명확한 저장소 컨텍스트를 유지해야 할 때 이 스킬을 사용하세요.

enterprise-agent-ops는 관측 가능성, 안전 제어, 변경 관리, 복구 계획을 갖춘 장기 운영형 또는 클라우드 호스팅 에이전트 시스템을 운영하는 데 도움을 줍니다. 일회성 프롬프트가 아니라, 에이전트 오케스트레이션을 위한 실용적인 가이드가 필요할 때 사용하세요.

dashboard-builder는 메트릭을 Grafana, SigNoz 또는 유사 도구에서 바로 쓸 수 있는 실무형 운영 대시보드로 바꾸는 데 도움을 줍니다. 상태, 병목, 처리량, 실행 중심 패널을 위한 명확한 dashboard-builder 가이드가 필요할 때 사용하세요. 겉보기만 좋은 대시보드가 아니라 실제 운영에 도움이 되는 대시보드를 만들고 싶을 때 적합합니다.

memory-forensics 스킬로 RAM 캡처와 Volatility 3 기반 메모리 덤프 분석을 수행하는 방법을 안내합니다. Windows, Linux, macOS, VM 메모리를 아우르며 설치 맥락, 사용 워크플로, 아티팩트 추출, 사고 대응 트리아지까지 다룹니다.

incident-runbook-templates는 장애 대응과 운영 Playbooks를 위해 트리아지, 완화, 에스컬레이션, 커뮤니케이션, 복구 단계를 명확히 정리한 구조화된 인시던트 대응 런북을 팀이 만들 수 있도록 돕습니다.

shipping-and-launch 스킬은 사전 점검 체크리스트, 모니터링 구성, 단계적 롤아웃 계획, 성공 기준, 롤백 전략을 바탕으로 위험 부담이 있는 릴리스를 프로덕션에 더 안전하게 배포할 수 있도록 돕습니다. 단순한 deploy 명령이 아니라, 더 안전한 Deployment가 필요할 때 적합합니다. 구조화된 shipping-and-launch 가이드를 원하는 엔지니어와 운영 담당자를 위해 설계되었습니다.

huggingface-trackio는 Trackio로 ML 학습 실행을 추적하는 데 도움이 됩니다. 이 스킬을 사용하면 Python에서 메트릭을 기록하고, 학습 알림을 추가하고, trackio CLI로 실행을 조회하거나 분석할 수 있습니다. 실시간 대시보드, Hugging Face Space 동기화, 자동화를 위한 JSON 출력도 지원하므로, huggingface-trackio는 실험 추적과 데이터 분석에 유용합니다.

analyzing-ransomware-leak-site-intelligence는 랜섬웨어 데이터 유출 사이트를 모니터링하고, 피해자 및 공격 그룹 신호를 추출하며, 사고 대응, 업종별 위험 검토, 공격자 추적에 활용할 수 있는 구조화된 위협 인텔리전스를 생성하는 데 도움을 줍니다.

azure-monitor-query-py는 Python 개발자가 `azure-monitor-query`를 사용해 Azure Monitor 로그와 메트릭을 조회할 수 있도록 돕습니다. Log Analytics 작업 영역, Azure 리소스 메트릭, 백엔드 모니터링, 진단, 관측성 자동화에 적합합니다. 이미 workspace ID, resource URI, Azure 자격 증명이 준비돼 있다면 azure-monitor-query-py 스킬에 잘 맞습니다.

설치 노트, 클라이언트 패턴, 그리고 로그와 메트릭의 실전 활용까지 포함해 Backend Development에서 azure-monitor-query-java를 익혀 보세요. 이 azure-monitor-query-java 스킬은 Java용 Azure Monitor Query SDK의 폐기된 버전을 다루며, 더 새롭게 분리된 패키지도 안내하고, `SKILL.md`와 예제를 빠르게 읽는 데 도움을 줍니다.

Java 백엔드 개발과 Azure Monitor/OpenTelemetry 마이그레이션을 위한 azure-monitor-opentelemetry-exporter-java 스킬입니다. 레거시 exporter 사용법, 설치 맥락, 그리고 새 설정에서는 왜 `azure-monitor-opentelemetry-autoconfigure`를 권장하는지 알아봅니다. 의존성 설정, connection string 구성, traces, metrics, logs에 대한 실용적인 안내를 포함합니다.

azure-monitor-ingestion-java는 Java 백엔드 개발에서 Logs Ingestion API, DCR, DCE를 통해 사용자 지정 로그를 Azure Monitor로 전송하는 스킬입니다. 설치 절차, 클라이언트 설정, 배치 처리, 오류 처리, 비동기 패턴, 그리고 SKILL.md와 references/examples.md를 활용한 실전 사용법을 이해하는 데 도움이 됩니다.

rank-tracker 스킬은 SEO 팀이 키워드 순위를 모니터링하고, 순위 스냅샷을 비교하며, 검색 의도별로 키워드를 그룹화하고, 내장된 설정 및 분석 템플릿으로 시간에 따른 SERP 변화를 보고할 수 있도록 돕습니다.

neon-postgres-egress-optimizer는 `pg_stat_statements`를 활용해 과다 조회 쿼리를 찾아내고, 측정 구간이 적절한지 검증하며, 더 좁은 select, pagination, ORM 쿼리 조정 같은 앱 측 수정 방향을 안내해 Postgres egress를 진단하고 줄이는 데 도움을 줍니다.

performance-engineer는 병목을 진단하고, 느린 시스템을 프로파일링하며, 기준 성능 지표·참고 자료·보조 스크립트로 수정 효과를 검증할 수 있게 구성된 구조화된 스킬입니다.

aws-cost-operations는 AWS 비용과 운영을 다루는 스킬로, 비용 추정, 청구서 검토, CloudWatch 모니터링, CloudTrail 확인, 운영 의사결정 지원에 적합합니다. 검증된 AWS 사실과 바로 의사결정에 쓸 수 있는 출력이 필요한 Finance, FinOps, 플랫폼 팀, 운영 담당자에게 잘 맞습니다.

observe-whatsapp는 Kapso에서 WhatsApp 운영을 진단하는 데 도움을 줍니다. 메시지 전달, 웹훅 재시도, API 오류, 번호 상태를 빠르게 점검할 수 있습니다. observe-whatsapp 스킬을 사용하면 장애 신호를 받은 뒤 CLI 우선 절차와 프로덕션 장애 대응용 API 대체 경로로 바로 적절한 확인 단계로 이동할 수 있습니다.

azure-monitor-ingestion-py는 Logs Ingestion API를 사용해 사용자 지정 로그를 Azure Monitor Log Analytics로 전송하는 Python 스킬입니다. 필요한 DCE, DCR, 스트림 이름, 인증 설정까지 다뤄 backend 개발, 설치 검토, 그리고 Azure 모니터링 워크플로우에서의 실무 활용에 유용합니다.

azure-ai-anomalydetector-java는 Java로 Azure AI Anomaly Detector 워크플로를 구축할 때 도움이 됩니다. 시계열 모니터링, 단변량 및 다변량 이상 탐지, 백엔드 알림 연동까지 다룰 수 있습니다. 설치 바로 적용할 수 있는 SDK 안내, 클라이언트 설정, 인증 예시, 그리고 운영 코드에 바로 쓰기 좋은 azure-ai-anomalydetector-java 사용법이 필요할 때 이 스킬을 활용하세요.

azure-mgmt-applicationinsights-dotnet은 .NET 백엔드 개발을 위한 Azure Resource Manager SDK 스킬입니다. Azure.ResourceManager.ApplicationInsights를 설치하고 활용해 Application Insights 구성 요소, 웹 테스트, 워크북, 분석 항목, API 키를 더 명확한 인증 및 환경 설정과 함께 생성·관리하는 데 도움을 줍니다.

datadog-cli는 에이전트가 로그, trace, 메트릭, 서비스, 대시보드 전반의 Datadog CLI 워크플로를 실행할 수 있도록 돕습니다. `DD_API_KEY`와 `DD_APP_KEY` 설정 방법을 익히고, `npx @leoflores/datadog-cli` 명령과 `--site` 옵션을 활용하며, 장애 대응 시 대시보드 업데이트의 파괴적 변경 위험까지 고려해 안전하게 운영할 수 있습니다.

ml-pipeline-workflow는 데이터 준비, 학습, 검증, 배포, 모니터링까지 아우르는 엔드투엔드 MLOps 파이프라인을 설계할 때 참고하기 좋은 실무형 가이드입니다. 반복 가능한 워크플로 자동화를 위한 오케스트레이션 패턴도 함께 다룹니다.

deployment-engineer는 배포 파이프라인 구축, runbook 초안 작성, 검증·롤백·observability 단계 추가를 지원하는 CI/CD 및 릴리스 계획용 스킬입니다. GitHub Actions 예시, Kubernetes 참고 자료, 그리고 배포 계획 생성 및 검증을 위한 helper script를 포함합니다.