情境

服務可觀測性套件

檢測 Python 服務、追蹤微服務間的請求，並在 Grafana 中視覺化健康信號。此套件為團隊提供從日誌和指標到根本原因診斷的快速路徑。

3 技能 2 安裝次數

observabilitymonitoringtracingdashboardsbackend

4 天前更新

安裝

執行此指令以安裝此技能包中的所有技能：

npx skillstore add @service-observability-kit

CLI 會自動偵測 Codex 與 Claude Code 資料夾；如果兩者都可用，會同時安裝。

總覽

使用指南

由 AI 強化

詳細指南

## 概述
服務可觀測性套件為後端團隊提供從原始日誌和指標到根本原因診斷的快速路徑。它整合了三個生產級技能，可檢測 Python 服務、使用 Jaeger 或 Tempo 追蹤微服務間的請求，以及在 Grafana 中視覺化即時系統和應用程式健康狀態。

## 快速開始
1. 在您的 OpenClaw 工作區中安裝外掛程式。
2. 使用 **python-observability-patterns** 為您的 Python 服務添加結構化日誌、指標、OpenTelemetry 追蹤和關聯 ID。
3. 使用 **distributed-tracing** 跨微服務連接 Jaeger 或 Tempo，然後建立生產 **grafana-dashboards** 以即時呈現延遲、錯誤和飽和度。

## 主要指令
- `0xdarkmatter-python-observability-patterns` — 在 Python 應用程式中應用日誌、指標、追蹤和關聯 ID 模式（structlog、OpenTelemetry、Prometheus）。
- `wshobson-distributed-tracing` — 使用 Jaeger 和 Tempo 跨微服務追蹤請求，以精確找出效能瓶頸並分析請求流程。
- `sickn33-grafana-dashboards` — 建立和管理生產 Grafana 儀表板，以即時視覺化系統和應用程式指標。

## 技巧
- 從 python-observability-patterns 開始發出一致的追蹤和關聯 ID，然後分層使用 distributed-tracing 使 spans 跨服務邊界連結，再在由此產生的指標之上設計 grafana-dashboards。
- 將此插件與警報或事件回應插件搭配使用：儀表板突出顯示需要查看的位置，traces 說明原因，值班工作流程完成整個循環。
- 保持儀表板面板與黃金信號（延遲、流量、錯誤、飽和度）對齊，使追蹤資料和 Python 檢測清晰地映射到運算子在 Grafana 中看到的內容。