BD db-monitor
Мониторинг состояния базы данных, поддержка проверки работоспособности, обнаружения аномалий, прогнозирования емкости, расширенного прогнозирования емкости, анализа тенденций, сравнения с базовым уровнем. Интеллектуальный выбор источника данных: - База данных Oracle автоматически использует мониторинг Zabbix - База данных MySQL отдает приоритет прямому подключению, затем использует Prometheus - Поддерживает автоматическое распознавание групп активов серии Z (например, Z18, Z5) Сценарии использования: - Пользователь говорит "проверить состояние" -> выполняется health - Пользователь говорит "есть аномалии?" -> выполняется anomalies - Пользователь говорит "достаточно ли емкости?" -> выполняется capacity - Пользователь говорит "собрать метрики" -> выполняется collect - Пользователь говорит "посмотреть историю" -> выполняется history - Пользователь говорит "расширенное прогнозирование емкости" -> выполняется capacity-advanced - Пользователь говорит "анализ тенденций" -> выполняется trend - Пользователь говорит "сравнение с базовым уровнем" -> выполняется compare Использование: - dbskiter --output-mode=ai --database=<name> monitor health - dbskiter --output-mode=ai --database=<name> monitor anomalies - dbskiter --output-mode=ai --database=<name> monitor capacity --resource=disk - dbskiter --output-mode=ai --database=<name> monitor collect - dbskiter --output-mode=ai --database=<name> monitor history <metric> - dbskiter --output-mode=ai --database=<name> monitor capacity-advanced --resource=disk - dbskiter --output-mode=ai --database=<name> monitor trend --metric=cpu_usage - dbskiter --output-mode=ai --database=<name> monitor compare --metric=qps --value=1250 --baseline=2026-04-01
машинный переводПоказать оригиналСкрыть оригинал«数据库健康监控，支持健康检查、异常检测、容量预测、高级容量预测、趋势分析、基线对比。 智能数据源选择： - Oracle 数据库自动使用…»
数据库健康监控，支持健康检查、异常检测、容量预测、高级容量预测、趋势分析、基线对比。 智能数据源选择： - Oracle 数据库自动使用 Zabbix 监控 - MySQL 数据库优先使用直连，其次使用 Prometheus - 支持 Z 系列资产组（如 Z18, Z5）自动识别 使用场景： - 用户说"检查健康" -> 执行 health - 用户说"有异常吗" -> 执行 anomalies - 用户说"容量够吗" -> 执行 capacity - 用户说"采集指标" -> 执行 collect - 用户说"看历史" -> 执行 history - 用户说"高级容量预测" -> 执行 capacity-advanced - 用户说"趋势分析" -> 执行 trend - 用户说"基线对比" -> 执行 compare 用法： - dbskiter --output-mode=ai --database=<name> monitor health - dbskiter --output-mode=ai --database=<name> monitor anomalies - dbskiter --output-mode=ai --database=<name> monitor capacity --resource=disk - dbskiter --output-mode=ai --database=<name> monitor collect - dbskiter --output-mode=ai --database=<name> monitor history <metric> - dbskiter --output-mode=ai --database=<name> monitor capacity-advanced --resource=disk - dbskiter --output-mode=ai --database=<name> monitor trend --metric=cpu_usage - dbskiter --output-mode=ai --database=<name> monitor compare --metric=qps --value=1250 --baseline=2026-04-01
Мониторинг состояния базы данных, поддержка проверки работоспособности, обнаружения аномалий, прогнозирования емкости, расширенного прогнозирования емкости…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (db-monitor) не совпадает с папкой (dbskiter-db-monitor)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 18
- 100Стоимость исполнения. Тело инструкции 959 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Ответ описан самодельной разметкой (8 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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 986: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 18 пунктов
- +4Есть примеры (17 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.