Monitoring

github-ops 是一個用於 GitHub 操作的技能，可透過 gh CLI 協助分流 issues、管理 PR、檢查 CI 失敗、準備發佈，以及監控儲存庫健康狀態。當你需要在真實儲存庫中重複使用 github-ops，並且可透過 `gh auth login` 完成驗證、具備明確的 repo 情境時，就適合使用這個 github-ops 技能。

enterprise-agent-ops 可協助你管理長期運作或雲端託管的 agent 系統，涵蓋可觀測性、安全控管、變更管理與復原規劃。當你需要的是 agent 編排的實務指南，而不是一次性的 prompt 時，就適合使用它。

dashboard-builder 可幫你把指標轉成適合 Grafana、SigNoz 或類似工具使用的實用營運儀表板。當你需要一份清楚的 dashboard-builder 指南，用來規劃健康狀態、瓶頸、吞吐量與以行動為導向的面板，而不是只重視外觀的展示板時，就適合使用這個 skill。

memory-forensics skill 適用於 RAM 擷取與記憶體傾印分析，搭配 Volatility 3 進行調查。內容涵蓋安裝前評估、實際使用流程、artifact 擷取，以及 Windows、Linux、macOS 與 VM 記憶體的事件分流與初步研判。

incident-runbook-templates 可協助團隊建立結構化的事件應變 runbook，針對服務中斷與營運 Playbooks，提供清楚的初步研判、緩解、升級通報、溝通與復原步驟。

shipping-and-launch 技能可為高風險發佈做好進入正式環境的準備，內容包含上線前檢查清單、監控設定、分階段釋出規劃、成功標準與回滾策略。當你需要的是更安全的 Deployment，而不只是 `deploy` 指令時，就很適合使用它。它是為想要有結構化 shipping-and-launch 指南的工程師與營運人員而設計。

huggingface-trackio 可搭配 Trackio 追蹤 ML 訓練執行。這個技能可用來從 Python 記錄指標、加入訓練告警，並透過 trackio CLI 擷取或分析 runs。它支援即時儀表板、Hugging Face Space 同步，以及供自動化使用的 JSON 輸出，因此很適合用於實驗追蹤與資料分析。

analyzing-ransomware-leak-site-intelligence 可用來監控勒索軟體資料外洩站、擷取受害者與團伙訊號，並產出結構化威脅情資，支援事件應變、產業風險檢視與對手追蹤。

azure-monitor-query-py 協助 Python 開發者使用 azure-monitor-query 查詢 Azure Monitor 的記錄與指標。適合用於 Log Analytics 工作區、Azure 資源指標、後端監控、診斷與可觀測性自動化；當你已具備 workspace IDs、resource URIs 與 Azure credentials 時，特別符合 azure-monitor-query-py 技能的使用情境。

認識用於後端開發的 azure-monitor-query-java，包含安裝說明、用戶端模式，以及實用的 logs 和 metrics 使用方式。這份 azure-monitor-query-java 技能內容涵蓋已淘汰的 Java 版 Azure Monitor Query SDK，並指向新版拆分套件，幫助你快速閱讀 `SKILL.md` 與範例。

這是用於 Java 後端開發與 Azure Monitor/OpenTelemetry 遷移的 azure-monitor-opentelemetry-exporter-java 技能。你可以了解舊版 exporter 的用法、安裝脈絡，以及為什麼這個 repo 建議新建置改用 azure-monitor-opentelemetry-autoconfigure。內容包含相依套件設定、connection string 設定，以及 traces、metrics 和 logs 的實務指引。

azure-monitor-ingestion-java 是一個適用於 Java 後端開發的技能，可透過 Logs Ingestion API、DCR 與 DCE 將自訂記錄送到 Azure Monitor。可用來了解安裝步驟、用戶端設定、批次處理、錯誤處理、非同步模式，以及搭配 SKILL.md 與 references/examples.md 的實作範例與實際用法。

rank-tracker skill 可協助 SEO 團隊追蹤關鍵字排名、比較不同時間點的排名快照、依搜尋意圖分組字詞，並透過內建的設定與分析範本回報 SERP 隨時間的變化。

neon-postgres-egress-optimizer 可協助診斷並降低 Postgres egress，透過 `pg_stat_statements` 找出過度抓取資料的查詢、確認量測時窗是否合理，並引導你在應用程式端進行修正，例如縮小 select 欄位、加入分頁，以及調整 ORM 查詢方式。

performance-engineer 是一套結構化技能，適合用來診斷效能瓶頸、剖析執行緩慢的系統，並以基準指標、參考資料與輔助腳本驗證修正是否有效。

get-available-resources 會在執行高負載科學或 ML 工作流程前，先檢查 CPU、GPU、記憶體與磁碟狀態。它會回傳資源快照與實用建議，例如是否適合平行處理、GPU 加速或採用記憶體安全的做法，協助代理在工作流程自動化時做出更好的執行決策。

aws-cost-operations 是一個用於 AWS 成本與營運的技能，可協助估算費用、檢視帳單、監控 CloudWatch、檢查 CloudTrail，並引導營運決策。它特別適合 Finance、FinOps、平台團隊與營運人員，適合需要經過驗證的 AWS 事實與可直接用來決策的輸出內容的人。

observe-whatsapp 可協助你診斷 Kapso 中的 WhatsApp 作業：訊息投遞、webhook 重試、API 錯誤與號碼健康狀態。使用 observe-whatsapp 技能，能以 CLI 優先步驟搭配 API 備援，快速從故障訊號定位到正確檢查項目，適合正式環境的排查作業。

azure-monitor-ingestion-py 是一個 Python 技能，可透過 Logs Ingestion API 將自訂記錄傳送到 Azure Monitor Log Analytics。內容涵蓋必要的 DCE、DCR、stream name 與驗證設定，適合後端開發、安裝規劃，以及搭配 Azure 監控工作流程進行實作。

azure-ai-anomalydetector-java 可協助你用 Java 建立 Azure AI Anomaly Detector 工作流程，涵蓋時間序列監控、單變量與多變量異常偵測，以及後端告警。當你需要可直接安裝的 SDK 指引、用戶端設定、驗證範例，以及適合 production code 的實用 azure-ai-anomalydetector-java 使用方式時，這個技能很適合。

azure-mgmt-applicationinsights-dotnet 是適用於 .NET 後端開發的 Azure Resource Manager SDK 技能。它能協助你安裝並使用 Azure.ResourceManager.ApplicationInsights，建立與管理 Application Insights 元件、web tests、workbooks、analytics items 和 API keys，並提供更清楚的驗證與環境設定方式。

datadog-cli 可協助 agents 執行 Datadog CLI 工作流程，處理 logs、traces、metrics、services 與 dashboards。你可以了解如何設定 `DD_API_KEY` 與 `DD_APP_KEY`、使用 `npx @leoflores/datadog-cli` 指令，並掌握 `--site` 的用法，以及 dashboard 更新的安全注意事項，以支援 incident triage。

ml-pipeline-workflow 是一份實用指南，聚焦如何設計涵蓋資料準備、訓練、驗證、部署與監控的端到端 MLOps pipeline，並提供可重複執行的工作流程自動化編排模式。

deployment-engineer 是一個用於 CI/CD 與發版規劃的 skill，可協助建立部署管線、撰寫 runbook，並加入驗證、回滾與可觀測性步驟。內含 GitHub Actions 範例、Kubernetes 參考內容，以及可用來產生與驗證部署計畫的輔助腳本。