SKILLEMALL.ai

AD qdrant-monitoring-setup

Руководство по настройке мониторинга Qdrant, включая сбор метрик Prometheus, проверки работоспособности, метрики гибридного облака, оповещения и централизацию журналов. Используйте, когда кто-то спрашивает: «как настроить мониторинг», «конфигурация Prometheus», «панель Grafana», «конечные точки проверки работоспособности», «как собирать метрики гибридного облака», «какие оповещения установить», «как централизовать журналы» или «аудит журналов».

машинный переводПоказать оригиналСкрыть оригинал«Guides Qdrant monitoring setup including Prometheus scraping, health p…»

Guides Qdrant monitoring setup including Prometheus scraping, health probes, Hybrid Cloud metrics, alerting, and log centralization. Use when someone asks 'how to set up monitoring', 'Prometheus config', 'Grafana dashboard', 'health check endpoints', 'how to scrape Hybrid Cloud', 'what alerts to set', 'how to centralize logs', or 'audit logging'.

github/awesome-copilot Agent Skills автор: github MIT 1 файл тело ≈ 754 токенов Открыть источникgithub.com проанализирован 28 ч назад

Руководство по настройке мониторинга Qdrant, включая сбор метрик Prometheus, проверки работоспособности, метрики гибридного облака, оповещения и централизацию…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураKubernetesИнфраструктураДанные и аналитикаБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 41/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (qdrant-monitoring-setup) не совпадает с папкой (setup)
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 17
    • 100Стоимость исполнения. Тело инструкции 754 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 348 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 17 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.