Monitoring & Observabilité
Logs, traces et metriques : OpenTelemetry, Sentry, Application Insights, Grafana.
| # | Skill | Source | Description | ||
|---|---|---|---|---|---|
| 1 | ci-metrics | pytorch/pytorch | Interroger les métriques CI et infrastructure de PyTorch via Grafana et ClickHouse. | 104 843 | |
| 2 | cost-optimization | wshobson/agents | Optimiser les coûts cloud sur AWS, Azure, GCP et OCI via des stratégies systématiques. | 40 986 | |
| 3 | distributed-tracing | wshobson/agents | Implémenter le traçage distribué avec Jaeger et Tempo pour visualiser les flux de requêtes. | 40 986 | |
| 4 | grafana-dashboards | wshobson/agents | Créer et gérer des dashboards Grafana prêts pour la production avec Prometheus. | 40 986 | |
| 5 | incident-runbook-templates | wshobson/agents | Générer des runbooks d'incident structurés pour guider la réponse opérationnelle en production. | 40 986 | |
| 6 | on-call-handoff-patterns | wshobson/agents | Structurer et documenter les transitions d'astreinte pour garantir la continuité des incidents. | 40 986 | |
| 7 | prometheus-configuration | wshobson/agents | Configurer Prometheus pour la collecte de métriques, alertes et monitoring d'infrastructure. | 40 986 | |
| 8 | python-observability | wshobson/agents | Instrumenter des applications Python avec logs structurés, métriques et traces distribuées. | 40 986 | |
| 9 | service-mesh-observability | wshobson/agents | Configurer l'observabilité complète d'un service mesh avec métriques, traces et logs. | 40 986 | |
| 10 | slo-implementation | wshobson/agents | Définir et implémenter des SLIs, SLOs et budgets d'erreur pour fiabiliser les services. | 40 986 | |
| 11 | aws-cloudwatch-investigation | github/awesome-copilot | Investiguer des incidents AWS production via CloudWatch Logs, Metrics et Alarms. | 40 142 | |
| 12 | aws-resource-health-diagnose | github/awesome-copilot | Diagnostiquer et remédier aux problèmes de santé des ressources AWS via CloudWatch. | 40 142 | |
| 13 | flowstudio-power-automate-monitoring | github/awesome-copilot | Surveiller la santé des flux Power Automate via un cache enrichi de métadonnées de gouvernance. | 40 142 | |
| 14 | qdrant-monitoring | github/awesome-copilot | Surveiller et diagnostiquer les performances d'un déploiement Qdrant en production. | 40 142 | |
| 15 | qdrant-monitoring-debugging | github/awesome-copilot | Diagnostiquer les problèmes de performance Qdrant via métriques d'optimisation et mémoire. | 40 142 | |
| 16 | qdrant-monitoring-setup | github/awesome-copilot | Configurer la surveillance Qdrant avec Prometheus, alertes et logs centralisés. | 40 142 | |
| 17 | sentry | openai/skills | Interroger Sentry en lecture seule pour analyser, diagnostiquer et expliquer les erreurs de production. | 28 137 | |
| 18 | monitor | nvidia/model-optimizer | Surveiller en temps réel des jobs soumis sur clusters SLURM via un registre de session. | 5 353 | |
| 19 | ff-oce-kusto | microsoft/fluidframework | Interroger et déboguer la télémétrie Fluid Framework via des requêtes Kusto Microsoft internes. | 4 946 | |
| 20 | sentry-triage | fern-api/fern | Trier et corriger automatiquement les faux positifs Sentry d'un projet CLI. | 3 818 | |
| 21 | doca-bench | nvidia/skills | Mesurer les performances des bibliothèques DOCA sur un dispositif réel avec doca_bench. | 3 634 | |
| 22 | doca-collectx-deployment | nvidia/skills | Déployer et opérer un collecteur de télémétrie CollectX sur hôte ou BlueField. | 3 634 | |
| 23 | doca-dpa-hl-tracer | nvidia/skills | Capturer et analyser les traces d'exécution haute-level du processeur DPA avec un overhead maîtrisé. | 3 634 | |
| 24 | doca-flow-perf | nvidia/skills | Mesurer les performances d'insertion de règles DOCA Flow avec docaflowperf. | 3 634 | |
| 25 | doca-pcc-counters | nvidia/skills | Lire les compteurs diagnostiques PCC firmware/HW d'un device ConnectX via debugfs. | 3 634 | |
| 26 | doca-telemetry | nvidia/skills | Lire les compteurs matériels DOCA depuis un périphérique via les bibliothèques par domaine. | 3 634 | |
| 27 | doca-telemetry-exporter | nvidia/skills | Configurer, émettre et déboguer la télémétrie structurée via DOCA Telemetry Exporter. | 3 634 | |
| 28 | doca-telemetry-utils | nvidia/skills | Diagnostiquer et traduire les compteurs de télémétrie DOCA via l'utilitaire CLI hôte. | 3 634 | |
| 29 | dynamo-interconnect-check | nvidia/skills | Vérifier le transport RDMA/NVLink d'un déploiement Dynamo disaggrégé avant benchmark. | 3 634 | |
| 30 | dynamo-troubleshoot | nvidia/skills | Diagnostiquer et classifier les pannes Dynamo pour proposer des actions correctives précises. | 3 634 | |
| 31 | jetson-diagnostic | nvidia/skills | Capturer un snapshot de santé en temps réel d'un appareil Jetson pour diagnostiquer ses ressources. | 3 634 | |
| 32 | jetson-memory-audit | nvidia/skills | Auditer la mémoire d'un Jetson et libérer les caches CUDA bloqués après un workload. | 3 634 | |
| 33 | kermt-monitor | nvidia/skills | Surveiller en temps réel l'état et les logs d'un workflow KERMT détaché. | 3 634 | |
| 34 | nemo-relay-plugin-observability | nvidia/skills | Configurer et orchestrer les plugins d'observabilité pour capturer et exporter les événements d'un agent IA. | 3 634 | |
| 35 | vss-manage-alerts | nvidia/skills | Gérer les alertes VSS : détection, notifications Slack, caméras et abonnements en temps réel. | 3 634 | |
| 36 | applicationinsights-web-ts | microsoft/skills | Monitorer les performances et comportements utilisateurs dans les apps web via Application Insights. | 3 130 | |
| 37 | azure-monitor-ingestion-java | microsoft/skills | Envoyer des logs personnalisés vers Azure Monitor via l'API d'ingestion Java. | 3 130 | |
| 38 | azure-monitor-opentelemetry-exporter-java | microsoft/skills | Exporter des données de télémétrie OpenTelemetry vers Azure Monitor Application Insights. | 3 130 | |
| 39 | azure-monitor-opentelemetry-exporter-py | microsoft/skills | Exporter des traces, métriques et logs OpenTelemetry vers Azure Application Insights. | 3 130 | |
| 40 | azure-monitor-opentelemetry-py | microsoft/skills | Configurer Azure Monitor avec OpenTelemetry pour instrumenter automatiquement des apps Python. | 3 130 | |
| 41 | azure-monitor-opentelemetry-ts | microsoft/skills | Instrumenter automatiquement des applications Node.js avec Azure Monitor et OpenTelemetry. | 3 130 | |
| 42 | azure-monitor-query-py | microsoft/skills | Interroger logs et métriques Azure Monitor via le SDK Python. | 3 130 | |
| 43 | workers-profiling | cloudflare/skills | Profiler le code Workers Cloudflare déployé pour identifier et corriger les goulots d'étranglement. | 3 092 | |
| 44 | profile-vllm-performance | nvidia-ai-blueprints/video-search-and-summarization | Profiler les performances vLLM pour identifier et corriger les goulots d'étranglement GPU. | 1 931 | |
| 45 | vss-manage-alerts | nvidia-ai-blueprints/video-search-and-summarization | Gérer les alertes VSS, abonnements, vérifications et notifications Slack via Alert Bridge. | 1 931 | |
| 46 | azure-diagnostics | microsoft/azure-skills | Diagnostiquer et résoudre les incidents Azure sur App Service, AKS, Functions et Messaging. | 1 575 | |
| 47 | azure-kusto | microsoft/azure-skills | Interroger et analyser des données massives dans Azure Data Explorer via KQL. | 1 575 | |
| 48 | status | oceanbase/powermem | Afficher le statut de connexion et l'état de santé du plugin PowerMem. | 1 337 | |
| 49 | clickhouse-managed-postgres-rca | clickhouse/agent-skills | Diagnostiquer automatiquement les incidents de performance sur une instance Postgres managée ClickHouse. | 550 | |
| 50 | clickstack-otel-collector | clickhouse/agent-skills | Configurer un collecteur OpenTelemetry pour ingérer des données dans ClickHouse Cloud. | 550 |
À propos de cette sélection
L'observabilité est souvent le dernier chantier qu'on branche et le premier qu'on regrette d'avoir bâclé. Quand un agent commence à enchaîner des appels LLM en production, savoir exactement où la latence explose ou quel span a silencieusement échoué transforme radicalement le débogage. Les skills monitoring & observabilité rassemblés ici couvrent des cas concrets : instrumenter un pipeline d'inférence pour en extraire des traces exploitables, ou auditer la consommation réelle d'un assistant Copilot avant que la facture surprenne tout le monde. L'outillage disponible est déjà dense, avec des contributions notables de Datadog Labs et Dash0 couvrant OpenTelemetry, les métriques système sous Linux et le troubleshooting de performance sur des stacks variées. Le profil qui atterrit ici : un SRE ou un ML engineer qui veut enfin piloter avec des données concrètes sous les yeux.