К основному содержанию
скилл CX Codex

monitoring-expert · personamanagmentlayer — скилл для Claude Code: Prometheus, Grafana

Скилл monitoring-expert для Claude Code настраивает мониторинг, метрики и алертинг с Prometheus, Grafana, Loki и распределённой трассировкой. Помогает построить наблюдаемость с нуля и разобраться в её трёх столпах.

Apache-2.0 189 установок ★ 45 обновлён 2026-10-12

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add personamanagmentlayer/pcl --skill monitoring-expert -a claude-code
Открыть на GitHub

Что делает monitoring-expert

Скилл даёт готовые конфигурации для полного стека мониторинга: сбор метрик через Prometheus, визуализация в Grafana, агрегация логов через Loki с Promtail, настройка алертов в Alertmanager, распределённая трассировка через Jaeger. Внутри — шаблоны YAML для Alertmanager с маршрутизацией по severity и сервисам, JSON-конфигурации дашбордов Grafana с графиками Request Rate, P95 Latency и Error Rate, примеры LogQL-запросов для фильтрации и анализа логов, а также базовая настройка Jaeger.

Скилл работает с Prometheus, Grafana, Loki, Promtail, Alertmanager и Jaeger — нужно, чтобы эти компоненты либо уже развёрнуты, либо готовы к развёртыванию в Docker или Kubernetes. Скилл помогает писать и редактировать конфигурации, проверять их через promtool, управлять контейнерами Docker и ресурсами Kubernetes через Bash.

Позволяет работать с метриками по методам RED (Rate, Errors, Duration) и USE (Utilization, Saturation, Errors), строить SLI/SLO/SLA, настраивать правила алертов с ингибированием (подавлением предупреждений при критических сбоях) и маршрутизацией в Slack, PagerDuty или email.

Какие задачи решает

  • настроить сбор метрик и визуализировать их в дашбордах
  • создать алерты и маршрутизировать их в Slack, PagerDuty или почту
  • агрегировать логи из приложений, Docker и Kubernetes
  • отследить поток запроса через микросервисы с помощью распределённой трассировки
  • определить SLI/SLO и построить мониторинг по методам RED или USE

Примеры запросов агенту

  • Напиши конфиг Alertmanager для маршрутизации критических алертов в PagerDuty, а предупреждений — в Slack
  • Создай дашборд Grafana с графиками latency, error rate и request rate для приложения
  • Помоги настроить Promtail для сбора логов из Kubernetes-подов и отправки в Loki

Как установить monitoring-expert

1Через Skills CLI (Vercel)

npx skills add personamanagmentlayer/pcl --skill monitoring-expert -a claude-code

2Вручную: положить файлы

~/.claude/skills/monitoring-expert/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/monitoring-expert/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о monitoring-expert

Как установить monitoring-expert в Claude Code?

Выполни npx skills add personamanagmentlayer/pcl --skill monitoring-expert -a claude-code, затем открой ~/.claude/skills/monitoring-expert/SKILL.md.

Что делает monitoring-expert?

Скилл даёт готовые конфигурации и примеры для Prometheus, Grafana, Loki, Alertmanager и Jaeger. Помогает настроить метрики, логирование, алерты и трассировку в одном стеке.

Какие инструменты нужны для работы со скиллом?

Docker, kubectl (для Kubernetes), promtool для проверки конфигов Prometheus. Сами компоненты мониторинга (Prometheus, Grafana, Loki) должны быть развёрнуты или готовы к развёртыванию.

Исходный текст

SKILL.md · Apache-2.0
---
name: monitoring-expert
version: 1.1.0
description: >-
  Expert-level monitoring and observability with Prometheus, Grafana, logging, and
  alerting. Use when the user mentions observability, Prometheus, Grafana, logging,
  metrics, or alerting, or when the task involves The Three Pillars of Observability,
  Monitoring Fundamentals, Prometheus Configuration, or Alert Rules.
category: devops
tags:
  [
    monitoring,
    observability,
    prometheus,
    grafana,
    logging,
    metrics,
    alerting,
    traces,
  ]
allowed-tools:
  - Read
  - Write
  - Edit
  - Bash(docker:*, kubectl:*, promtool:*)
---

# Monitoring Expert

Expert guidance for monitoring, observability, and alerting using Prometheus, Grafana, logging systems, and distributed tracing.

## Core Concepts

### The Three Pillars of Observability

1. **Metrics** - Numerical measurements over time (Prometheus)
2. **Logs** - Discrete events (ELK, Loki)
3. **Traces** - Request flow through distributed systems (Jaeger, Tempo)

### Monitoring Fundamentals

- Golden Signals (Latency, Traffic, Errors, Saturation)
- RED Method (Rate, Errors, Duration)
- USE Method (Utilization, Saturation, Errors)
- Service Level Indicators (SLIs)
- Service Level Objectives (SLOs)
- Service Level Agreements (SLAs)

### Key Components

- Metric collection (exporters, agents)
- Time-series database
- Visualization (dashboards)
- Alerting (rules, receivers)
- Log aggregation
- Distributed tracing

## Alertmanager

### Configuration

```yaml
# alertmanager.yml
global:
  resolve_timeout: 5m
  slack_api_url: 'https://hooks.slack.com/services/YOUR/WEBHOOK/URL'

route:
  receiver: 'default'
  group_by: ['alertname', 'cluster', 'service']
  group_wait: 10s
  group_interval: 5m
  repeat_interval: 4h

  routes:
    # Critical alerts to PagerDuty
    - match:
        severity: critical
      receiver: pagerduty
      continue: true

    # Warning alerts to Slack
    - match:
        severity: warning
      receiver: slack

    # Database alerts
    - match_re:
        service: database
      receiver: database-team

receivers:
  - name: 'default'
    email_configs:
      - to: '[email protected]'
        from: '[email protected]'
        smarthost: 'smtp.gmail.com:587'
        auth_username: '[email protected]'
        auth_password: 'password'

  - name: 'slack'
    slack_configs:
      - channel: '#alerts'
        title: '{{ .GroupLabels.alertname }}'
        text: '{{ range .Alerts }}{{ .Annotations.description }}{{ end }}'
        send_resolved: true

  - name: 'pagerduty'
    pagerduty_configs:
      - service_key: 'YOUR_PAGERDUTY_KEY'
        description: '{{ .GroupLabels.alertname }}'

  - name: 'database-team'
    slack_configs:
      - channel: '#database-alerts'
    email_configs:
      - to: '[email protected]'

inhibit_rules:
  # Suppress warning if critical alert is firing
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'instance']
```

## Grafana

### Dashboard Configuration (JSON)

```json
{
  "dashboard": {
    "title": "Application Metrics",
    "tags": ["app", "production"],
    "timezone": "browser",
    "panels": [
      {
        "title": "Request Rate",
        "type": "graph",
        "gridPos": { "x": 0, "y": 0, "w": 12, "h": 8 },
        "targets": [
          {
            "expr": "sum(rate(http_requests_total[5m])) by (status)",
            "legendFormat": "{{ status }}"
          }
        ]
      },
      {
        "title": "P95 Latency",
        "type": "graph",
        "gridPos": { "x": 12, "y": 0, "w": 12, "h": 8 },
        "targets": [
          {
            "expr": "histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m]))",
            "legendFormat": "p95"
          }
        ]
      },
      {
        "title": "Error Rate",
        "type": "stat",
        "gridPos": { "x": 0, "y": 8, "w": 6, "h": 4 },
        "targets": [
          {
            "expr": "sum(rate(http_requests_total{status=~\"5..\"}[5m])) / sum(rate(http_requests_total[5m]))"
          }
        ],
        "fieldConfig": {
          "defaults": {
            "unit": "percentunit",
            "thresholds": {
              "steps": [
                { "value": 0, "color": "green" },
                { "value": 0.01, "color": "yellow" },
                { "value": 0.05, "color": "red" }
              ]
            }
          }
        }
      }
    ]
  }
}
```

### Provisioning Data Sources

```yaml
# grafana/provisioning/datasources/prometheus.yml
apiVersion: 1

datasources:
  - name: Prometheus
    type: prometheus
    access: proxy
    url: http://prometheus:9090
    isDefault: true
    editable: false

  - name: Loki
    type: loki
    access: proxy
    url: http://loki:3100
    editable: false
```

## Logging with Loki

### Loki Configuration

```yaml
# loki-config.yml
auth_enabled: false

server:
  http_listen_port: 3100

ingester:
  lifecycler:
    ring:
      kvstore:
        store: inmemory
      replication_factor: 1
  chunk_idle_period: 5m
  chunk_retain_period: 30s

schema_config:
  configs:
    - from: 2020-05-15
      store: boltdb
      object_store: filesystem
      schema: v11
      index:
        prefix: index_
        period: 168h

storage_config:
  boltdb:
    directory: /tmp/loki/index
  filesystem:
    directory: /tmp/loki/chunks

limits_config:
  enforce_metric_name: false
  reject_old_samples: true
  reject_old_samples_max_age: 168h
```

### Promtail Configuration

```yaml
# promtail-config.yml
server:
  http_listen_port: 9080

positions:
  filename: /tmp/positions.yaml

clients:
  - url: http://loki:3100/loki/api/v1/push

scrape_configs:
  # Application logs
  - job_name: app
    static_configs:
      - targets:
          - localhost
        labels:
          job: app
          __path__: /var/log/app/*.log

  # Docker logs
  - job_name: docker
    docker_sd_configs:
      - host: unix:///var/run/docker.sock
    relabel_configs:
      - source_labels: ['__meta_docker_container_name']
        target_label: 'container'

  # Kubernetes logs
  - job_name: kubernetes
    kubernetes_sd_configs:
      - role: pod
    pipeline_stages:
      - docker: {}
    relabel_configs:
      - source_labels:
          - __meta_kubernetes_pod_name
        target_label: pod
      - source_labels:
          - __meta_kubernetes_namespace
        target_label: namespace
```

### LogQL Queries

```logql
# All logs for a job
{job="app"}

# Filter by level
{job="app"} |= "error"

# JSON parsing
{job="app"} | json | level="error"

# Rate of errors
rate({job="app"} |= "error" [5m])

# Count by pod
sum by (pod) (count_over_time({namespace="production"}[5m]))

# Extract and filter
{job="app"}
  | json
  | line_format "{{.timestamp}} {{.level}} {{.message}}"
  | level="error"

# Metrics from logs
sum(rate({job="app"} |= "status=500" [5m])) by (endpoint)
```

## Distributed Tracing

### Jaeger Setup

```yaml
# docker-compose.yml
services:
  jaeger:
    image: jaegertracing/all-in-one:latest
    ports:
      - '5775:5775/udp'
      - '6831:6831/udp'
      - '6832:6832/udp'
      - '5778:5778'
      - '16686:16686' # UI
      - '14268:14268' # Collector
      - '9411:9411' # Zipkin compatible
    environment:
      - COLLECTOR_ZIPKIN_HTTP_PORT=9411
```

### Application Instrumentation (Node.js)

```typescript
// Install: npm install jaeger-client opentracing
import { initTracer } from 'jaeger-client';

const config = {
  serviceName: 'my-app',
  sampler: {
    type: 'probabilistic',
    param: 1.0, // Sample 100% of traces
  },
  reporter: {
    logSpans: true,
    agentHost: 'localhost',
    agentPort: 6831,
  },
};

const tracer = initTracer(config);

// Trace HTTP request
app.get('/api/users/:id', async (req, res) => {
  const span = tracer.startSpan('get_user');
  span.setTag('user_id', req.params.id);

  try {
    // Database query
    const dbSpan = tracer.startSpan('db_query', { childOf: span });
    const user = await db.user.findById(req.params.id);
    dbSpan.finish();

    // External API call
    const apiSpan = tracer.startSpan('external_api', { childOf: span });
    const profile = await fetchUserProfile(user.id);
    apiSpan.finish();

    span.setTag('http.status_code', 200);
    res.json({ user, profile });
  } catch (error) {
    span.setTag('error', true);
    span.setTag('http.status_code', 500);
    span.log({ event: 'error', message: error.message });
    res.status(500).json({ error: error.message });
  } finally {
    span.finish();
  }
});
```

## Best Practices

### Metric Naming

- Use descriptive names: `http_requests_total` not `requests`
- Use units in name: `duration_seconds`, `bytes_total`
- Use `_total` suffix for counters
- Use `_bucket` suffix for histograms
- Use consistent label names

### Cardinality

- Avoid high-cardinality labels (user IDs, emails)
- Use bounded label values
- Aggregate when possible
- Monitor metric count

### Alert Design

- Alert on symptoms, not causes
- Set appropriate thresholds
- Include actionable annotations
- Group related alerts
- Use inhibition rules

### Dashboard Design

- One purpose per dashboard
- Use consistent time ranges
- Include SLOs/SLIs
- Add context with annotations
- Use appropriate visualization types

## Anti-Patterns to Avoid

❌ **No SLOs**: Define service level objectives
❌ **Alert fatigue**: Too many non-actionable alerts
❌ **High cardinality**: Labels with unbounded values
❌ **Missing instrumentation**: Instrument all critical paths
❌ **No runbooks**: Alerts should have clear remediation steps
❌ **Ignoring trends**: Monitor trends, not just current values
❌ **No log structure**: Use structured logging (JSON)
❌ **Missing context**: Include relevant labels and tags

## Reference Documentation

Detailed material lives alongside this skill and is read on demand:

- [Prometheus](references/PROMETHEUS.md) — Installation (Docker), Prometheus Configuration, Alert Rules, PromQL Queries
- [Application Instrumentation](references/APPLICATION_INSTRUMENTATION.md) — Node.js (Express), Python (Flask), Go

## Resources

- Prometheus: https://prometheus.io/docs/
- Grafana: https://grafana.com/docs/
- Loki: https://grafana.com/docs/loki/
- Jaeger: https://www.jaegertracing.io/docs/
- OpenTelemetry: https://opentelemetry.io/docs/
- SRE Book: https://sre.google/books/

© personamanagmentlayer · Apache-2.0 · personamanagmentlayer/pcl

Похожие скиллы

Все скиллы по теме «DevOps и инфраструктура» →

Сначала — monitoring-expert от других авторов.

monitoring-expert https://github.com/Jeffallan Скилл monitoring-expert для Claude Code: настраивает метрики, логи, трейсинг и алерты в сервисе. Выясняет, почему прод тормозит или падает. CX Codex +1 6 200установок observability-monitoring manutej Скилл observability-monitoring помогает настраивать мониторинг через Prometheus и Grafana: метрики, запросы PromQL, алерты и дашборды для сервисов. CX Codex +1 458установок grafana-oss grafana Скилл помогает агенту провизионить дашборды и датасорсы Grafana OSS из YAML, писать JSON панелей и проверять каждый шаг через API. CX Codex +1 6 200установок alloy grafana Помогает писать и проверять конфиги Grafana Alloy: сбор метрик, логов, трейсов и профилей в один пайплайн. CX Codex +1 5 500установок loki-logging devops-skills Скилл loki-logging помогает настроить Grafana Loki, Promtail и запросы LogQL прямо в проекте, без похода в документацию. CX Codex +1 365установок qdrant-monitoring qdrant Скилл qdrant-monitoring для Claude Code помогает настроить мониторинг Qdrant и разбирать сбои по метрикам. Он направляет к инструкциям по настройке или диагностике. CX Codex +1 1 600установок monitoring-observability ahmedasmar Скилл monitoring-observability для настройки мониторинга и наблюдаемости: стратегия метрик, алерты, дашборды, SLO и разбор инцидентов. CX Codex +1 504установок

Из того же набора104

Весь набор →
code-review-expert Скилл code-review-expert проводит многоуровневое код-ревью с акцентом на уязвимости OWASP, оптимизацию SQL-запросов и архитектурную чистоту кода. CX Codex +1 192установок cicd-expert Скилл cicd-expert помогает настраивать пайплайны CI/CD, сборку Docker-образов, сканирование уязвимостей и стратегии деплоя в Kubernetes. CX Codex +1 192установок terraform-expert Скилл terraform-expert для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode, который даёт агенту экспертизу по Terraform: модули, remote state, жизненный цикл ресурсов. CX Codex +1 190установок go-expert Скилл go-expert для Claude Code задаёт агенту правила идиоматичного Go: горутины, каналы, отмена через context и обёртка ошибок. Помогает править бэкенд и разбирать утечки. CX Codex +1 190установок audit-expert Скилл audit-expert помогает проводить аудиты безопасности, ревью кода и проверки на соответствие SOC 2, GDPR, HIPAA и PCI-DSS. CX Codex +1 188установок typescript-expert Скилл typescript-expert для экспертной разработки на TypeScript 5.0+ со строгой типизацией, современными инструментами сборки и тестирования. CX Codex +1 187установок ai-architect-expert Скилл ai-architect-expert разбирает, как устроить обучение, хранение признаков и выдачу моделей: реестр версий, пайплайны, сервинг с метриками. Полезен, когда прототип на ИИ перерастает ноутбук. CX Codex +1 185установок qa-expert Скилл qa-expert для Claude Code: автоматизация тестирования, стратегий QA и управления дефектами. Включает готовые инструменты для unit-, интеграционного и API-тестирования с поддержкой Selenium, Cypress, Playwright и pytest. CX Codex +1 184установок

Ещё в каталоге

Спонсоры проекта

Компании, которые помогают держать аналитику открытой