backend-observability
为后端服务添加生产级可观测性的Claude Code插件。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：backend-observability。 它的用途是：为后端服务添加生产级可观测性的Claude Code插件。 完整的 Skill 内容见：https://321skill.com/skills/backend-observability/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'/instrument --analyze'，它会启动代码分析器智能体，扫描你的项目结构，识别现有的日志、指标和追踪点，并生成一份可观测性现状报告和改进计划。接着，你可以说：'/request-tracing'，它会根据你的框架（如Spring Boot、FastAPI）生成包含分布式追踪上下文的HTTP中间件代码，并指导你如何注入和传播Trace ID。
介绍
后端服务上线后，如何快速洞察其内部运行状态、定位性能瓶颈和排查线上故障，是开发运维团队面临的共同挑战。Backend Observability插件正是为解决这一问题而生，它提供了一套从基础日志到高级分布式追踪和SLO告警的完整可观测性实施方案。
该插件通过/instrument和/audit等命令，引导用户逐步为代码库添加可观测性。它内置了从规划（instrumentation-planning）、实现（request-tracing, database-observability）到告警（slo-alerting）的全套技能，并集成了代码分析器（codebase-analyzer）和审查器（instrumentation-reviewer）等智能体，能自动分析现有架构并识别反模式。
它非常适合后端开发、全栈开发和运维工程师，尤其是那些正在构建或维护微服务、分布式系统，并希望快速建立系统化、生产就绪的可观测性能力的团队。对于缺乏相关经验或希望遵循行业最佳实践的个人开发者，它也是一个极佳的学习和辅助工具。
使用建议是，先从/instrument --analyze开始，让插件分析你的代码库，再根据其规划建议逐步实施。注意事项包括：插件主要提供代码层面的指导和生成，最终的部署、配置和与具体监控平台的集成仍需用户根据自身技术栈和环境手动完成。
核心特点
与同类工具相比，它深度集成了Claude Code的交互式指导能力，不仅生成代码，更通过智能体分析现有代码库并提供针对性规划；同时，它覆盖了从方法论（RED/USE方法）到多语言、多平台（Go、Python、Java等）具体实现的完整链路，并内置了实时反模式检测，防止常见错误。
注意事项
该插件主要专注于代码层面的可观测性实现与指导，不直接替代或包含具体的监控平台（如Datadog、Grafana）的部署、运维和告警规则配置。
常见问题
这个插件支持哪些编程语言？
支持Go、Python、TypeScript/JavaScript、Java/Kotlin、Rust、C#/.NET，并提供相应的平台指南和代码模板。
它能直接帮我部署监控系统吗？
不能。它专注于在代码中实现可观测性埋点（如添加追踪、指标、日志上下文），并生成配置参考。与Prometheus、OpenTelemetry Collector等外部系统的集成和部署需要用户自行完成。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/backend-observability/raw/index.md 读取 backend-observability 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/backend-observability/raw/index.md（查看排版版本）