Habilidades distributed-debugging-debug-trace
🔍

distributed-debugging-debug-trace

Riesgo bajo ⚡ Contiene scripts🌐 Acceso a red

Configurar Depuración y Trazabilidad Distribuida

¿Tienes problemas para depurar sistemas multi-servicio complejos? Esta skill configura entornos completos de depuración, trazabilidad distribuida y herramientas de diagnóstico para ayudarte a identificar y resolver problemas rápidamente en tu infraestructura.

Soporta: Claude Codex Code(CC)
📊 71 Adecuado
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "distributed-debugging-debug-trace". Configurar depuración para mi API Express

Resultado esperado:

  • Creado .vscode/launch.json con configuración de depuración Node.js
  • Añadido soporte de mapas de código fuente con flag --enable-source-maps
  • Configuradas variables de entorno para DEBUG y NODE_ENV
  • Configurado skipFiles para excluir node_modules del paso a paso
  • Añadida configuración compound para depuración de aplicación completa

Usando "distributed-debugging-debug-trace". Implementar trazabilidad distribuida con OpenTelemetry

Resultado esperado:

  • Inicializado NodeSDK con exportador Jaeger
  • Configuradas auto-instrumentaciones para HTTP y Express
  • Añadido middleware de span personalizado con propagación de contexto de traza
  • Configurados atributos de recurso para identificación de servicio
  • Implementado apagado graceful con flushing de spans

Auditoría de seguridad

Riesgo bajo
v1 • 2/24/2026

Static analysis flagged 183 patterns, but most are false positives. JavaScript template literals were misidentified as Ruby shell execution (52 findings). Environment variable access (62 findings) is standard Node.js configuration practice. One legitimate medium-severity finding: innerHTML usage in debug dashboard example code could enable XSS if WebSocket data is untrusted. Skill provides legitimate debugging and observability patterns.

2
Archivos escaneados
1,355
Líneas analizadas
3
hallazgos
1
Auditorías totales
Problemas de riesgo medio (1)
resources/implementation-playbook.md:1183resources/implementation-playbook.md:1195-1200resources/implementation-playbook.md:1207-1212
Potential XSS via innerHTML
Debug dashboard example code uses innerHTML to render WebSocket data without sanitization. While this is documentation example code, users implementing this pattern should sanitize untrusted data.

Factores de riesgo

⚡ Contiene scripts (3)
resources/implementation-playbook.md:1183 resources/implementation-playbook.md:1195 resources/implementation-playbook.md:1208
🌐 Acceso a red (3)
resources/implementation-playbook.md:294 resources/implementation-playbook.md:315 resources/implementation-playbook.md:1163
Auditado por: claude

Puntuación de calidad

38
Arquitectura
100
Mantenibilidad
87
Contenido
50
Comunidad
85
Seguridad
91
Cumplimiento de la especificación

Lo que puedes crear

Configuración de Depuración Multi-Servicio

Configurar depuración de extremo a extremo para arquitectura de microservicios con correlación de trazas a través de los límites de los servicios.

Diagnóstico de Problemas en Producción

Establecer capacidades de depuración seguras en producción con muestreo, autenticación y datos sensibles censurados.

Optimización de Rendimiento

Implementar perfilado de CPU, instantáneas de heap y detección de fugas de memoria para aplicaciones críticas de rendimiento.

Prueba estos prompts

Configuración Básica de Depuración 
Configurar depuración de VS Code para mi aplicación Node.js con mapas de código fuente y variables de entorno.
Implementación de Trazabilidad Distribuida 
Configurar trazabilidad de OpenTelemetry para mis microservicios Express con Jaeger como backend. Incluir propagación de contexto de spans y atributos personalizados de span.
Panel de Depuración para Producción 
Crear un panel de depuración seguro para producción que muestre uso de memoria, trazas activas y logs estructurados. Incluir autenticación y lista de permitidos IP.
Investigación de Fuga de Memoria 
Ayúdame a investigar una fuga de memoria en mi servicio Node.js. Configurar automatización de instantáneas de heap, monitoreo de tendencias de memoria y umbrales de alerta.

Mejores prácticas

  • Siempre muestrea trazas en producción para evitar sobrecarga de rendimiento y costos de almacenamiento
  • Censura datos sensibles como claves API, tokens y PII de todos los logs y atributos de traza
  • Usa logging estructurado con nombres de campo consistentes para mejor capacidad de búsqueda y análisis

Evitar

  • Habilitar logging de depuración verboso en producción sin limitación de tasa
  • Exponer puertos de depuración remota sin autenticación o restricciones de red
  • Usar innerHTML con datos no confiables en paneles de depuración sin sanitización

Preguntas frecuentes

¿Es segura la depuración remota para entornos de producción?
La depuración remota solo debe habilitarse con autenticación estricta, lista de permitidos IP y ventanas de timeout cortas. Considera usar sesiones de depuración efímeras activadas por eventos específicos en lugar de servidores de depuración siempre activos.
¿Cómo evito que datos sensibles aparezcan en las trazas?
Usa filtros de atributos de span para excluir campos que contengan secretos. Configura tu logger para censurar patrones sensibles conocidos. Revisa los hooks de auto-instrumentación para asegurar que no capturen cuerpos de solicitud con credenciales.
¿Qué tasa de muestreo debo usar para trazas en producción?
Comienza con 1-10% de muestreo para servicios de alto tráfico. Aumenta a 100% para servicios de bajo tráfico o durante investigación de incidentes. Usa muestreo basado en cabeza para recolección consistente de trazas entre servicios.
¿Puedo usar esta skill con aplicaciones que no sean Node.js?
Los conceptos centrales aplican a cualquier lenguaje. OpenTelemetry tiene SDKs para Python, Go, Java y otros lenguajes. Adapta los patrones de configuración a tu stack tecnológico mientras sigues los mismos principios de trazabilidad.
¿Cómo corrielo los logs con las trazas?
Inyecta el ID de traza y el ID de span en tu contexto de logs. La mayoría de las librerías de trazabilidad proporcionan middleware para añadir automáticamente estos IDs al contexto de solicitud. Asegúrate de que tu logger lea de este contexto para cada entrada de log.
¿Cuál es el impacto de rendimiento de la trazabilidad distribuida?
La trazabilidad bien configurada añade 1-5% de sobrecarga. Usa procesadores de span en lote, ajusta las tasas de muestreo y evita capturar payloads grandes en atributos de span. Perfila tu aplicación específica para medir el impacto real.

Detalles del desarrollador

Autor

sickn33

Licencia

MIT

Repositorio

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/distributed-debugging-debug-trace

Ref.

main

Estructura de archivos

📁 resources/

📄 implementation-playbook.md

📄 SKILL.md