Teams haben Schwierigkeiten, Zuverlässigkeitsziele festzulegen, die Telemetrie mit Lieferentscheidungen verbinden. Diese Skill-Anleitung unterstützt beim SLO-Design, bei SLIs, Fehlerbudgets, Dashboards, Alerts und Review-Praktiken.

Teams benötigen zuverlässige Transparenz über Services, Fehler, Latenz und den Zustand der Infrastruktur. Diese Skill unterstützt bei Metriken, Traces, Logs, Dashboards, Alerts, SLOs und Monitoring-Infrastruktur.

Produktionssysteme fallen aus, wenn klare Signale über Metriken, Logs, Traces und Alerts hinweg fehlen. Dieser Skill entwirft Observability-Strategien, die Zuverlässigkeit, Incident Response und Kostenkontrolle verbessern.

Große Repositories werden schwer zu bauen, zu testen und teamübergreifend zu teilen. Dieser Skill unterstützt bei Monorepo-Einrichtung, Caching, Abhängigkeiten, CI und Paketveröffentlichung.

ML-Teams benötigen zuverlässige Wege von Experimenten bis zur Produktion. Diese Skill unterstützt bei Pipelines, Registries, Deployment-Automatisierung und Monitoring über moderne MLOps-Stacks hinweg.

Die Einrichtung von Agent-Telemetrie kann fehleranfällig sein, wenn Plugins, API-Schlüssel und Endpunkte aufeinander abgestimmt werden müssen. Dieser Skill führt durch Installation, Konfiguration, Verifizierung und Fehlerbehebung von Manifest.

Produktionsreife ML-Systeme erfordern koordinierte Pläne für Daten, Training, Bereitstellung und Monitoring. Dieser Skill strukturiert diese Arbeit in praktische MLOps-Phasen.

Komplexe Produktarbeit kann eine Koordination von Planung, Programmierung, Tests und Betrieb erfordern. Loki Mode bietet einen strukturierten Multi-Agenten-Workflow mit Aufgabenwarteschlangen, Kontrollpunkten und Prüfungsschritten.

Linux-Vorfälle beginnen oft mit allgemeinen Symptomen und verstreuten Hinweisen. Diese Skill bietet einen phasenweisen Workflow zum Sammeln von Fakten, Analysieren von Ressourcen, Prüfen von Logs, Testen der Netzwerkkonnektivität und Validieren von Korrekturen.

Linux-Administratoren benötigen wiederholbare Skripte für Backups, Monitoring und Wartung. Dieser Skill bietet Bash-Vorlagen und Anleitung für gängige betriebliche Aufgaben.

Linux-Teams benötigen wiederholbare Skripte für gängige Administrationsaufgaben. Dieser Skill stellt strukturierte Bash-Vorlagen für Backups, Monitoring, Logs, Benutzer, Netzwerke und Automatisierung bereit.

LLM-Teams benötigen Einblick in Traces, Kosten, Latenz, Qualität und Prompt-Änderungen. Diese Skill führt Nutzer von Claude, Codex und Claude Code durch praktische Workflows zur Langfuse-Instrumentierung und -Evaluation.

Kubernetes-Releases erfordern viele koordinierte Artefakte und Prüfungen. Dieser Skill führt durch Container-Vorbereitung, Manifeste, Helm-Charts, Service Mesh, Sicherheit, Observability und Deployment-Validierung.

Kubernetes-Plattformen lassen sich über Teams, Cluster und Cloud-Anbieter hinweg nur schwer sicher entwerfen. Dieser Skill unterstützt Entscheidungen zu Architektur, GitOps-Bereitstellung, Observability, Resilienz und Platform Engineering.

Kubernetes-Manifeste sind leicht falsch zu konfigurieren, wenn Teams sie aus dem Gedächtnis schreiben. Diese Skill wandelt Anforderungen in strukturierte YAML-Anleitungen mit Sicherheit, Probes, Ressourcen und Service-Mustern um.

Incident-Teams benötigen konsistente Verfahren, bevor Ausfälle auftreten. Diese Skill hilft Claude, Codex und Claude Code dabei, Runbooks mit Schritten für Triage, Mitigation, Rollback, Eskalation und Kommunikation zu entwerfen.

Hybride Umgebungen sind schwer zu entwerfen, weil Workloads, Netzwerke, Compliance und Kosten sich über viele Plattformen erstrecken. Diese Skill unterstützt Architekturentscheidungen über Public Cloud, Private Cloud, Kubernetes, Edge und Betrieb hinweg.

Cloud-ML-Jobs können schwer korrekt zu dimensionieren, zu authentifizieren, zu überwachen und zu speichern sein. Dieser Skill gibt Claude, Codex und Claude Code einen praktischen Workflow für Hugging Face Jobs.

Die Arbeit mit dem Hugging Face Hub erfordert oft viele präzise CLI-Befehle. Diese Skill hilft Benutzern, hf-Befehle für Downloads, Uploads, Repositories, Cache, Endpoints und Jobs auszuwählen.

Die manuelle Einrichtung von Helm-Charts ist langsam und leicht falsch zu konfigurieren. Dieser Skill führt durch Chart-Struktur, Values, Templates, Abhängigkeiten und Validierung für Kubernetes-Releases.