·observability instrumentation
</>

observability instrumentation

Metodologia di osservabilità completa che implementa tre pilastri (log, metriche, tracce) con registrazione strutturata utilizzando Go slog, metriche in stile Prometheus e modelli di tracciamento distribuiti. Da utilizzare quando si aggiunge osservabilità da zero, log non strutturati o inadeguati, nessuna raccolta di metriche, debug di problemi di produzione difficile o necessità di monitoraggio delle prestazioni. Fornisce modelli di registrazione strutturati (registrazione contestuale, livelli di registro DEBUG/INFO/WARN/ERROR, propagazione dell'ID richiesta), strumentazione di metrica (modelli contatore/indicatore/istogramma, esposizione Prometheus), configurazione di traccia (creazione di intervalli, propagazione del contesto, strategie di campionamento) e best practice Go slog (formattazione JSON, gestione degli attributi, configurazione del gestore). Convalidato in meta-cc con accelerazione di 23-46 volte rispetto alla registrazione ad hoc, trasferibilità del 90-95% tra le lingue (slog specifico per Go ma modelli universali).

6Installazioni·0Tendenza·@zpankz

Installazione

$npx skills add https://github.com/zpankz/mcp-skillset --skill observability instrumentation

Come installare observability instrumentation

Installa rapidamente la skill AI observability instrumentation nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/zpankz/mcp-skillset --skill observability instrumentation
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: zpankz/mcp-skillset.

You can't improve what you can't measure. You can't debug what you can't observe.

❌ Log spamming: Logging everything (noise overwhelms signal) ❌ Unstructured logs: String concatenation instead of structured fields ❌ Synchronous logging: Blocking on log writes (use async handlers) ❌ Missing context: Logs without request ID or user context ❌ Metrics explosion: Too many unique label combinations (cardinality issues)

Status: ✅ Production-ready | 23-46x speedup | 90-95% transferable | Validated in meta-cc

Metodologia di osservabilità completa che implementa tre pilastri (log, metriche, tracce) con registrazione strutturata utilizzando Go slog, metriche in stile Prometheus e modelli di tracciamento distribuiti. Da utilizzare quando si aggiunge osservabilità da zero, log non strutturati o inadeguati, nessuna raccolta di metriche, debug di problemi di produzione difficile o necessità di monitoraggio delle prestazioni. Fornisce modelli di registrazione strutturati (registrazione contestuale, livelli di registro DEBUG/INFO/WARN/ERROR, propagazione dell'ID richiesta), strumentazione di metrica (modelli contatore/indicatore/istogramma, esposizione Prometheus), configurazione di traccia (creazione di intervalli, propagazione del contesto, strategie di campionamento) e best practice Go slog (formattazione JSON, gestione degli attributi, configurazione del gestore). Convalidato in meta-cc con accelerazione di 23-46 volte rispetto alla registrazione ad hoc, trasferibilità del 90-95% tra le lingue (slog specifico per Go ma modelli universali). Fonte: zpankz/mcp-skillset.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/zpankz/mcp-skillset --skill observability instrumentation
Categoria
</>Sviluppo
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-10

Browse more skills from zpankz/mcp-skillset

Risposte rapide

Che cos'è observability instrumentation?

Metodologia di osservabilità completa che implementa tre pilastri (log, metriche, tracce) con registrazione strutturata utilizzando Go slog, metriche in stile Prometheus e modelli di tracciamento distribuiti. Da utilizzare quando si aggiunge osservabilità da zero, log non strutturati o inadeguati, nessuna raccolta di metriche, debug di problemi di produzione difficile o necessità di monitoraggio delle prestazioni. Fornisce modelli di registrazione strutturati (registrazione contestuale, livelli di registro DEBUG/INFO/WARN/ERROR, propagazione dell'ID richiesta), strumentazione di metrica (modelli contatore/indicatore/istogramma, esposizione Prometheus), configurazione di traccia (creazione di intervalli, propagazione del contesto, strategie di campionamento) e best practice Go slog (formattazione JSON, gestione degli attributi, configurazione del gestore). Convalidato in meta-cc con accelerazione di 23-46 volte rispetto alla registrazione ad hoc, trasferibilità del 90-95% tra le lingue (slog specifico per Go ma modelli universali). Fonte: zpankz/mcp-skillset.

Come installo observability instrumentation?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/zpankz/mcp-skillset --skill observability instrumentation Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/zpankz/mcp-skillset