CB huawei-cloud-cce-metric-analyzer
Навык анализа метрик Huawei Cloud CCE с использованием диспетчера Python для запросов облачных служб на основе hcloud. Используйте этот навык, когда пользователь хочет: (1) запрашивать метрики ЦП, памяти, диска, QPS, задержки, запросов, соединений, сертификатов, масштабирования или частоты ошибок для Pod/Node/CoreDNS/nginx-ingress/autoscaler/control-plane, (2) получать рейтинги TopN по использованию ресурсов, (3) запрашивать метрики облачных ресурсов ECS/ELB/EIP/NAT, (4) агрегировать данные мониторинга кластера с обнаружением аномалий, (5) обнаруживать аномалии ресурсов на основе пороговых значений. Триггер: пользователь упоминает «анализ метрик», «指标分析», «метрики CCE», «CCE 指标», «метрики AOM», «AOM 指标», «метрики CoreDNS», «CoreDNS 指标», «метрики nginx ingress», «nginx-ingress 指标», «метрики autoscaler», «autoscaler 指标», «метрики HPA», «HPA 指标», «метрики apiserver», «метрики etcd», «метрики controller manager», «метрики scheduler», «метрики control plane», «控制面指标», «истечение срока действия сертификата», «证书过期», «метрики ресурсов», «资源指标», «использование ЦП», «CPU 使用率», «использование памяти», «内存使用率», «мониторинг производительности», «性能监控», «TopN», «рейтинг ресурсов», «资源排名»
машинный переводПоказать оригиналСкрыть оригинал«Huawei Cloud CCE Metric analysis skill using the Python dispatcher wit…»
Huawei Cloud CCE Metric analysis skill using the Python dispatcher with hcloud-backed cloud service queries. Use this skill when the user wants to: (1) query Pod/Node/CoreDNS/nginx-ingress/autoscaler/control-plane CPU, memory, disk, QPS, latency, request, connection, certificate, scaling, or error-rate metrics, (2) get resource usage TopN rankings, (3) query ECS/ELB/EIP/NAT cloud resource metrics, (4) aggregate cluster monitoring data with anomaly detection, (5) detect threshold-based resource anomalies. Trigger: user mentions "metric analysis", "指标分析", "CCE metrics", "CCE 指标", "AOM metrics", "AOM 指标", "CoreDNS metrics", "CoreDNS 指标", "nginx ingress metrics", "nginx-ingress 指标", "autoscaler metrics", "autoscaler 指标", "HPA metrics", "HPA 指标", "apiserver metrics", "etcd metrics", "controller manager metrics", "scheduler metrics", "control plane metrics", "控制面指标", "certificate expiration", "证书过期", "resource metrics", "资源指标", "CPU usage", "CPU 使用率", "memory usage", "内存使用率", "performance monitoring", "性能监控", "TopN", "resource ranking", "资源排名"
Навык анализа метрик Huawei Cloud CCE с использованием диспетчера Python для запросов облачных служб на основе hcloud.
Как процесс B 78/100 · Почти готов — слабые места: повторный запуск, отчётность по ходу
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- Сократите description до 1024 символов.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1054 символов, лимит 1024 - предупреждение
body-longтело SKILL.md ≈ 7350 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "id"
Процессный рейтинг: все десять параметров 78/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 7350 токенов
- 100Шаги. Шагов: 66
- 100Результат и критерий готовности. Формат результата и критерий готовности описаны
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (13 тегов): типизированный вызов надёжнее
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 1053: рекомендуется 120–800 символов
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 25 примера фраз-триггеров в кавычках
- +4Структура: 39 заголовков
- +3Пошаговые инструкции: 66 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (10 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (8 из 8)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.