observability-sre
Skill28 starsChanged 3 months agoApache-2.0View on GitHub
Melhora observabilidade, confiabilidade e resposta a incidentes. Trigger em: "observabilidade", "observability", "SRE", "logs estruturados", "metricas", "tracing distribuido", "health check", "readiness probe", "error budget", "SLO", "alertas", "rollback seguro", "runbook operacional".
- Reads credentials
1 other project uses a version of this.
Adopted by
Most recently taken up by
- kulkarnishub377/keyflow-ai-typingtheir own version, first seen Aug 14, 2026
Other versions1 project uses a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 1
- kulkarnishub377/keyflow-ai-typing★ 2same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository92 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- po-feature-specSkill
- ui-ux-designSkill
- backend-apiSkill
- frontend-integrationSkill
- qa-testingSkill
- security-reviewSkill
- deploy-dockerSkill
- context-managerSkill
- orchestratorSkill
- documenterSkill
- reviewerSkill
- motion-designSkill
- marketing-copySkill
- seo-specialistSkill
- mobile-tauriSkill
- image-generatorSkill
- repo-auditorSkill
- asset-librarianSkill
- data-analyticsSkill
- accessibility-specialistSkill
- migration-refactor-specialistSkill
- release-managerSkill
- ai-integration-architectSkill
- prompt-engineerSkill
- video-integration-specialistSkill
- claude-md-generatorSkill
- design-intelligenceSkill
- cost-trackerSkill
- session-summarySkill
- smart-suggestionsSkill
- detective-specSkill
- static-analysisSkill
- skill-authorSkill
- web-asset-generatorSkill
- tdd-engineerSkill
- architecture-deepenerSkill
- program-routerSkill
- parallel-dispatcherSkill
- blog-publisherSkill
- blog-screenshotSkill
- canary-deploymentSkill
- zoom-outSkill
- handoff-contextSkill
- post-deploy-canary-monitorSkill
- pattern-conformitySkill
- research-prepSkill
- context-budgetSkill
- direct-response-copySkill
- ux-researchSkill
- ui-polishSkill
- doubt-driven-reviewSkill
- video-analysisSkill
- marketing-reporting-analyticsSkill
- responsive-conversionSkill
- mobile-ux-foundationsSkill
- i18n-localizationSkill
- closed-loop-revenueSkill
- app-reference-architectureSkill
- The first 60 shown.
The file
Files
Observability SRE
O Observability SRE garante que o sistema seja operavel, monitoravel e recuperavel em producao.
Runtime Feedback Sensors (v2.7.0+)
Inspiração: Birgitta Böckeler (Thoughtworks) — "What runtime feedback could agents be monitoring? (e.g. having them look for degrading SLOs to make suggestions, or AI judges continuously sampling response quality and flagging log anomalies)". Ver
docs/inspiration/harness-engineering.md+policies/harness-categories.md.
Esta skill agora também trata runtime feedback como categoria de sensor — não só configuração de monitoring, mas uso ativo dessa telemetria pelo agente durante feature work.
O gap fechado
Antes do v2.7.0, o kit tinha apenas sensores estáticos (arquivos, hook de tool call). Não usava sinais de produção.
Birgitta lista 2 classes de runtime sensors valiosos:
- SLO degradation suggestions — agente vê P95 latency degradando e sugere otimizações
- AI judges continuamente — sampling de logs/responses pra flag anomalias
Quando incorporar runtime feedback
| Situação | Recomendação |
| Feature de performance crítica | ✅ Forte — incluir P95 atual como input |
| Bug de produção sendo investigado | ✅ Forte — logs recentes são source-of-truth |
| Refactor de código quente (alto traffic) | ✅ Médio — verificar SLO antes/depois |
| Feature greenfield | 🟡 Skip — não tem telemetria ainda |
| Spike/POC | 🟡 Skip — overhead |
| Sem ferramenta de observability instalada | 🔴 Skip — pré-requisito ausente |
Workflow: SLO-driven feature work
1. Antes de implementar: puxar SLO atual do endpoint/feature alvo
Datadog: via API com DD_API_KEY + DD_APP_KEY
Grafana: via Grafana HTTP API
CloudWatch: aws cloudwatch get-metric-statistics
New Relic: via NerdGraph API
Honeycomb: via Query API
2. Anotar baseline em docs/specs/<feature>.md:
"Baseline P95: 320ms, error rate: 0.4%, throughput: 1200 rpm"
3. Implementar feature com policies/source-driven.md aplicado
4. Após deploy (canary): re-puxar SLO em 5min/30min/2h
"Atual P95: 340ms (+6%) — dentro do budget de 10%"
ou
"Atual P95: 420ms (+31%) — VIOLATED budget, rollback considerado"
5. Documentar mudança no postmortem se houve impacto não previstoWorkflow: Log anomaly detection
Para apps com alto volume de logs estruturados:
1. Definir baseline de error rate por endpoint (skill 21 data-analytics ajuda)
2. Configurar log sampling pra LLM (não enviar tudo — caro):
- 100% de errors
- 1% de info logs
- 10% de warnings
3. Agente periodicamente (ou via /loop --schedule daily):
- Pull samples da última hora
- Procura anomalias (padrões novos, spikes em error class específica)
- Sugere investigação ou hotfix
4. Output: thread no GitHub Issues / Linear com contextoCusto realista: LLM judge custa ~$5-20/mês pra app médio. Compare com tempo de SRE pra identificar same issues manualmente.
Workflow: Response quality sampling (apps com IA)
Para apps onde output é AI-generated (chatbots, content gen, code suggestion):
1. Sample 1% das responses (mais alto = mais caro)
2. AI judge avalia: relevância, factualidade, tom, safety
3. Se score < threshold → flagga pra revisão humana
4. Agregação semanal: "92% passaram. Top 3 padrões de falha: ..."Anti-padrões específicos
- ❌ Logar payload inteiro — vaza PII, ocupa espaço, vira lixo no LLM context
- ❌ Polling sem cache — bate API toda invocação, viola rate limits
- ❌ Threshold absoluto (
< 300ms) sem contexto — endpoint pesado pode ser 800ms legitimamente - ❌ AI judge sem feedback humano — vira eco chamber, não calibra
- ❌ Sample biased (só errors) — não vê o baseline normal
Integração com outras skills
| Skill | Como integra |
| 03 (backend) | Backend implementations devem expor metrics conforme convenção desta skill |
| 07 (deploy) | Deploy pipelines devem rodar smoke test pull dos SLOs pós-deploy |
| 21 (data-analytics) | Eventos de produto complementam SLOs técnicos |
| 24 (release-manager) | Release notes incluem snapshot de SLOs (antes/depois) |
| 30 (cost-tracker) | LLM judge cost contabilizado aqui |
Roadmap derivado
- v2.7.1 —
scripts/pull-slo.mjshelper genérico (Datadog/Grafana/CloudWatch) - v2.7.2 —
commands/check-slo.mdslash command - v2.8.0 — Integração com
/savings: mostrar quantas decisões foram informadas por runtime data - v2.8.0 —
programs/slo-driven-feature.ymlprogram que enforce o workflow acima
Referências
- Google SRE Book (capítulos 4-5: SLOs, SLIs)
- Honeycomb's Observability Engineering
policies/harness-categories.md— runtime feedback é categoria nova de sensorpolicies/quality-gates.md"Keep quality left" — runtime sensors ficam mais à direita
Governanca Global
Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/quality-gates.md, policies/token-efficiency.md, policies/tool-safety.md, policies/stack-flexibility.md e policies/evals.md.
Para playbooks e exemplos operacionais mais detalhados, consultar docs/skill-guides/observability-sre.md apenas quando necessario.
Quando Usar
- definir logs, metricas, tracing e alertas
- criar health checks, readiness e estrategia de rollback
- melhorar operacao de deploy, incidentes e diagnostico
Quando Nao Usar
- para substituir Security, Deploy ou Backend em mudancas de dominio
- para adicionar telemetria sem criterio de produto ou operacao
Entradas Esperadas
- stack real do servico ou app
- pontos criticos do fluxo de negocio
- sinais atuais de deploy, erro, performance e operacao
Saidas Esperadas
- plano de observabilidade e confiabilidade
- eventos e sinais operacionais priorizados
- handoff claro para Backend, Frontend, Deploy ou Documenter
Responsabilidades
- Definir sinais essenciais: logs, metricas, traces e alertas
- Garantir health checks, readiness e rollback praticaveis
- Identificar lacunas de monitoramento e diagnostico
- Reduzir ruido de telemetria e focar no que ajuda operacao real
- Registrar runbooks e riscos operacionais quando necessario
Checklist Base
- logs estruturados sem dados sensiveis
- metricas de latencia, erro e throughput nas rotas criticas
- tracing ou correlacao minima para debug entre camadas
- health check e readiness separados quando fizer sentido
- alertas acionaveis e sem excesso de ruido
- rollback e runbook claros para incidentes principais
Checkpoint: disparar cada alerta configurado de propósito (erro forçado, latência artificial) e confirmar que ele chega no canal esperado com informação suficiente pra agir sem abrir o dashboard. Se o alerta chegar mudo ("erro 500 detectado") ou não chegar, corrigir o payload/threshold e disparar de novo — um alerta nunca testado é um runbook que só vai ser lido durante o incidente real, tarde demais para achar que está errado.
Evidencia de Conclusao
- sinais operacionais principais definidos
- lacunas e riscos priorizados
- pontos de integracao com deploy e docs registrados
Handoff
Seguir policies/handoffs.md e, quando util, templates/observability-check.md, templates/risk-note.md e templates/doc-update.md.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

