Agent Skills Hub

Observability

PAI 多智能体活动的实时监控仪表板，支持 WebSocket 流式传输、会话追踪及智能体工作流调试。

dlt-skill

建立、管理与调试 dlt (data load tool) 数据管道，将数据从 API、数据库及自定义来源导入 DuckDB、BigQuery 或 Snowflake 等目标。

systematic-debugging

一套严格的四阶段方法论，强制要求在应用任何代码修复前，必须先进行系统性的根本原因分析。

service-mesh-observability

为 Istio 和 Linkerd 服务网格实现生产级可观测性，包含分布式追踪、指标仪表板及黄金信号监控。

data-quality-frameworks

使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证，确保数据管道的可靠性。

ring:dev-sre

开发周期 Gate 2 技能，用于验证可观测性实现，包含结构化日志、OpenTelemetry 追踪及仪表覆盖率，且不修改代码。

browser-use

基于 Model Context Protocol 的 AI 浏览器自动化服务器，支持网页交互、数据提取与深度研究。

grafana-dashboards

建立与管理生产级 Grafana 仪表板，用于系统可观测性、实时指标可视化与监控。

Observability with Prometheus & Grafana

生产级监控系统，包含 Prometheus 指标、Grafana 仪表板、PromQL 查询语言、告警规则与 AI 异常检测，适用于云原生应用。

data-engineer

专注于数据工程的 AI 代理，负责设计 ETL/ELT 管线、定义数据结构、管理数据质量以及实现可靠的数据导入流程。

synapse

自动化模式检测与技能推荐引擎，通过监控项目记忆、日志及任务列表，自动进化 AI 代理的能力。

trulens-evaluation-workflow

使用 TruLens 对 LLM 应用程序进行检测、评估与监控的系统化工作流程，支持 LangChain、LangGraph 与 LlamaIndex 等框架。