错误追踪与监控
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/rmyndharis-antigravity-skills-error-debugging-error-trace。
技能介绍
生产里出了错,谁先看见、按什么优先级处理?
线上服务一旦进入真实流量,单靠「用户投诉」或 sporadic 的 grep 往往太晚,也分不清是偶发抖动还是系统性回归。更麻烦的是告警刷屏:同类异常被拆成成百上千条通知,on-call 在噪音里找真火情,结构化上下文又不足,只能靠猜栈和翻散落日志。
技能在做什么
本技能把助手定位为错误追踪与可观测性实施顾问,围绕你在 $ARGUMENTS 里给出的约束,走一条可落地的路径:
- 现状评估:当前错误捕获是否完整、告警是否可行动、分组/去重是否合理
- 分级与分诊:定义严重级别(severity)与 triage 工作流,避免「全是 P0」或无人认领
- 信号链路:配置结构化日志、链路 tracing、告警路由(谁收、什么渠道、什么条件)
- 质量校验:用受控的测试错误验证信号是否可读、分组是否正确
- 需要更细的范式时,会引导查阅技能附带的
resources/implementation-playbook.md
同时强调与常见错误追踪/APM 类服务的集成思路,以及性能监控与错误归因在同一套观测叙事里对齐。
边界与安全
- 不要用:环境没有运行时或监控接入、任务与可观测性无关、或你只想做一次性局部修 bug。
- 安全:日志里不要写入密钥、token 或个人数据;生产侧采用安全采样,避免观测本身压垮系统。
使用场景
- 新服务即将上线,需要设计从捕获到告警路由的一整套错误监控方案,并定义严重级别
- 现有 on-call 被海量重复告警淹没,要改分组规则并梳理 triage 工作流
- 要把散落文本日志改成结构化字段,并和 tracing、错误追踪平台字段对齐
- 上线前要用受控测试错误验证:告警是否可读、分组是否正确、路由是否到对的人
适合人员
- 负责生产 SRE/运维、要把告警噪音压下去并建立分诊流程的 on-call 负责人
- 后端负责人需要在接入 `$ARGUMENTS` 约束下统一部署日志、追踪与错误追踪集成
- 平台工程同学要为多团队定 severity 规范、告警路由和 playbook 式落地步骤
- 准备把可观测性从「能看日志」升级到「能分组、能告警、能复盘」的技术负责人