Reliability

debugger skill 通过“证据优先”的工作流，帮助代理系统化诊断软件故障并定位根因。适用于 stack traces、崩溃、测试失败、回归问题、日志分析以及偶发性 bug。它会引导你梳理预期与实际行为、排序假设、设计定向测试、实施修复并完成验证。

bash-defensive-patterns 可帮助智能体为生产自动化、CI/CD 和系统脚本编写更安全的 Bash，涵盖 strict mode、traps、cleanup、引用与输入校验等关键防御模式。

python-anti-patterns 是一份面向 Python 代码审查的检查清单，用于在合并前、重构中或调试时，提前发现分散重试、超时逻辑重复、隐藏复杂度等脆弱模式。

python-error-handling 可帮助智能体编写更安全的 Python 代码，涵盖 fail-fast 校验、清晰且有意义的异常、exception chaining，以及面向 API、批处理任务和调试场景的部分失败处理。

python-observability 可帮助你为 Python 服务接入结构化日志、指标、链路追踪、correlation ID 以及有界基数模式，用于生产环境排障，并更稳妥地推进可观测性落地。

使用 llm-evaluation skill，为 LLM 应用、提示词、RAG 系统和模型变更设计可重复执行的评估方案，覆盖指标、人审、基准测试与回归检查。

debugging-strategies skill 提供一套结构化的调试作战手册，用于复现问题、验证假设、隔离原因，并在 bug、崩溃、内存泄漏和性能回退等场景中定位根因。

workflow-orchestration-patterns 用于设计适合分布式系统的高可靠 Temporal workflows。了解它适合在什么场景使用、如何安装，以及如何划分 workflow 与 activity 的边界、处理 compensation、配置 retries，并保证 determinism。

saga-orchestration 可帮助后端团队设计分布式事务，覆盖有序步骤、补偿机制、超时、重试以及卡住 Saga 的恢复处理。你可以用它评估是否适合当前场景、查看关键文件、从上层 repo 安装，并将该技能应用到实际的微服务工作流中。

postmortem-writing 可帮助团队撰写无责事故复盘，覆盖时间线、根因分析、影响范围、促成因素以及可执行的后续行动项，适用于服务中断或险些发生事故后的报告编写。

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。

harden skill 可帮助前端 UI 更好地达到生产可用标准，重点覆盖更完善的错误处理、空状态与加载状态、文本溢出修复、i18n 支持，以及面向真实数据场景的边界情况处理。

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。

arch-linux-triage 是一项面向 Arch Linux 故障排查的技能，可用于诊断更新损坏、服务启动失败、启动回退以及软件包冲突等问题，并结合 pacman、systemctl、journalctl、验证步骤和回滚指导提供排障支持。