技能介绍

为什么需要它

手写 Grafana 仪表板 JSON 很容易在重复结构里出错：面板嵌套层级深、变量绑定和数据源切换靠复制粘贴，一旦指标口径变化，整张面板都要回炉。更实际的问题是，当需要为 Prometheus、Loki、Tempo 分别组织查询，并让变量在多个数据源之间复用时，手工维护的 JSON 既难审阅，也难纳入代码评审流程。

它如何工作

这个技能以 Grafana HTTP API 与 grafonnet-lib 为基础，用程序化方式拼装仪表板模型。核心能力包括：

生成符合 Grafana 模型结构的 dashboard JSON；
支持 templated variables，让时间范围、服务名、标签筛选等参数可在面板间复用；
支持 panel linking，把一个面板的上下文传递到另一个面板或外部链接；
面向 multi-datasource layouts 做布局，分别接入 Prometheus、Loki、Tempo 三类数据源。

典型工作路径是：先明确面板要表达的指标、日志与 trace 关系，再由技能生成基础 JSON 模型；接着定义变量并绑定到查询，配置数据源映射；然后加入面板链接，形成可跳转的上下文；最后输出可提交给 Grafana 的 dashboard JSON 文件，便于走 API 更新或版本管理。

适用边界与注意点

它解决的是 把仪表板结构变成可维护的生成物，而不是自动发现指标或保证查询语义正确。生成的 JSON 仍需按目标 Grafana 版本校验，grafonnet-lib 与 Grafana API 的字段差异可能导致个别属性需要手动微调。当前来源未提取到自动安装或使用说明，在把该技能放进敏感流程前，应先审核上游项目与调用行为。若目标 Grafana 使用细粒度权限、组织级数据源或特定鉴权方式，也需要确认生成模型能否被现有配置直接接受。