Monitoring

github-ops 是一个用于 GitHub 操作的技能，适合处理 issue、管理 PR、检查 CI 失败、准备发布，以及借助 `gh` CLI 监控仓库健康状况。当你需要在真实仓库中以可重复的方式使用 github-ops，并通过 `gh auth login` 完成认证、明确仓库上下文时，就该使用这个技能。

enterprise-agent-ops 帮助你运维长期运行或云端托管的 agent 系统，涵盖可观测性、安全控制、变更管理和恢复规划。适合需要面向 agent 编排的实用指南，而不是一次性 prompt 的场景。

dashboard-builder 可帮助你把指标转化为适用于 Grafana、SigNoz 或类似工具的实用运维仪表盘。当你需要一份清晰的 dashboard-builder 指南，用于健康状态、瓶颈、吞吐量和面向行动的面板，而不是只追求好看的“展示型”看板时，就该使用这个技能。

memory-forensics skill 用于 RAM 采集与内存转储分析，结合 Volatility 3 覆盖安装背景、使用流程、工件提取，以及面向 Windows、Linux、macOS 和虚拟机内存的事件分诊。

incident-runbook-templates 可帮助团队创建结构化的事故响应 runbook，为故障处理和运维 Playbook 提供清晰的分诊、缓解、升级、沟通与恢复步骤。

shipping-and-launch 技能为有风险的发布提供上线前检查清单、监控配置、分阶段发布规划、成功标准和回滚策略，帮助你更安全地将 Deployment 推向生产环境，而不只是执行一个 deploy 命令。它面向希望获得结构化 shipping-and-launch 指南的工程师和运维人员。

huggingface-trackio 可借助 Trackio 跟踪 ML 训练运行。使用此技能可从 Python 记录指标、添加训练告警，并通过 trackio CLI 检索或分析运行记录。它支持实时仪表盘、Hugging Face Space 同步以及用于自动化的 JSON 输出，因此 huggingface-trackio 很适合实验跟踪和数据分析。

analyzing-ransomware-leak-site-intelligence 可帮助监控勒索软件数据泄露站点，提取受害者与团伙信号，并生成结构化威胁情报，用于事件响应、行业风险研判和对手追踪。

azure-monitor-query-py 帮助 Python 开发者使用 azure-monitor-query 查询 Azure Monitor 的日志和指标。适用于 Log Analytics 工作区、Azure 资源指标、后端监控、诊断和可观测性自动化；当你已经有 workspace IDs、resource URIs 和 Azure 凭据时，它最适合用于 azure-monitor-query-py 技能。

了解用于后端开发的 azure-monitor-query-java，包括安装说明、客户端模式，以及日志和指标的实战用法。此 azure-monitor-query-java 技能涵盖已弃用的 Azure Monitor Query Java SDK，并指向更新后的拆分包，同时帮助你快速阅读 SKILL.md 和示例。

面向 Java 后端开发以及 Azure Monitor/OpenTelemetry 迁移的 azure-monitor-opentelemetry-exporter-java 技能。了解旧版 exporter 的用法、安装上下文，以及为什么该仓库建议新配置优先使用 azure-monitor-opentelemetry-autoconfigure。内容包括依赖配置、connection string 配置，以及 traces、metrics 和 logs 的实用说明。

适用于 Java 后端开发的 azure-monitor-ingestion-java 技能，可通过 Logs Ingestion API、DCR 和 DCE 将自定义日志发送到 Azure Monitor。用于了解安装步骤、客户端配置、批量处理、错误处理、异步模式，以及结合 SKILL.md 和 references/examples.md 的实用用法。

rank-tracker 技能可帮助 SEO 团队监控关键词排名、对比不同时间点的排名快照、按搜索意图对词组进行归类，并借助内置的配置与分析模板持续汇报 SERP 变化趋势。

neon-postgres-egress-optimizer 用于诊断并降低 Postgres egress。它通过 `pg_stat_statements` 识别过度取数的查询，帮助确认测量时间窗口是否有效，并指导在应用侧进行修复，例如缩小查询字段范围、增加分页，以及调整 ORM 查询方式。

performance-engineer 是一项结构化技能，用于定位性能瓶颈、分析慢系统，并借助基线指标、参考资料和辅助脚本验证修复效果。

get-available-resources 会在执行重型科学计算或 ML 工作流前检查 CPU、GPU、内存和磁盘情况。它会返回资源快照，并给出并行处理、GPU 加速或内存安全方案的实用建议，帮助代理为工作流自动化做出更好的执行决策。

aws-cost-operations 是一款用于 AWS 成本与运维的技能，可帮助估算费用、查看账单、监控 CloudWatch、检查 CloudTrail，并为运维决策提供建议。它尤其适合需要经过验证的 AWS 事实和可直接用于决策输出的财务、FinOps、平台团队和运维人员。

observe-whatsapp 帮助你在 Kapso 中诊断 WhatsApp 运行问题：消息送达、webhook 重试、API 错误和号码健康状态。使用 observe-whatsapp 技能，可以用以 CLI 为先、API 为备选的方式，快速从故障信号定位到正确检查项，便于生产环境排障。

azure-monitor-ingestion-py 是一个 Python 技能，用于通过 Logs Ingestion API 将自定义日志发送到 Azure Monitor Log Analytics。它涵盖了必需的 DCE、DCR、stream name 和认证设置，因此适合后端开发、安装规划，以及在 Azure 监控工作流中的实际使用。

azure-ai-anomalydetector-java 帮你用 Java 构建 Azure AI Anomaly Detector 工作流，适用于时间序列监控、单变量和多变量异常检测，以及后端告警。若你需要可直接落地的 SDK 指引、客户端初始化、身份验证示例，以及面向生产代码的 azure-ai-anomalydetector-java 实战用法，这个技能很适合。

azure-mgmt-applicationinsights-dotnet 是面向 .NET 后端开发的 Azure Resource Manager SDK 技能。它可帮助你安装并使用 Azure.ResourceManager.ApplicationInsights，以更清晰的认证与环境配置来创建和管理 Application Insights 组件、Web 测试、workbooks、分析项和 API 密钥。

datadog-cli 可帮助 agent 执行 Datadog CLI 工作流，处理 logs、traces、metrics、services 和 dashboards。你可以了解如何配置 DD_API_KEY 与 DD_APP_KEY，使用 `npx @leoflores/datadog-cli` 命令，并掌握 `--site` 的用法及 dashboard 更新的安全注意事项，以便进行 incident triage。

ml-pipeline-workflow 是一份实用指南，帮助你设计覆盖数据准备、训练、验证、部署与监控的端到端 MLOps 流水线，并提供适合构建可重复工作流自动化的编排模式。

deployment-engineer 是一项面向 CI/CD 与发布规划的技能，可用于构建部署流水线、编写 runbook，并补充验证、回滚和可观测性步骤。内容包含 GitHub Actions 示例、Kubernetes 参考资料，以及用于生成和校验部署计划的辅助脚本。