kopai-mono
基于Node.js的本地OpenTelemetry可观测性后端
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：kopai-mono。 它的用途是：基于Node.js的本地OpenTelemetry可观测性后端 完整的 Skill 内容见：https://321skill.com/skills/kopai-mono/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
‘我的Node.js服务性能有问题，想看看接口调用链和耗时。’ 它会指导你为服务配置OpenTelemetry SDK并导出数据到本地Kopai，然后你可以在Kopai的Web界面中直观地查看完整的分布式追踪链路和每个Span的耗时，快速定位性能瓶颈。
介绍
Kopai是一个用TypeScript编写的OpenTelemetry可观测性后端，旨在为开发者提供一个轻量、易用的本地可观测性解决方案。它允许开发者在本地环境中接收、存储和可视化应用的追踪、日志和指标数据，无需依赖复杂的云端服务。
使用Kopai非常简单，你可以通过npx @kopai/app start命令快速启动一个本地服务。启动后，应用可以将OpenTelemetry信号发送到localhost:4318，然后通过Kopai CLI工具检查数据，并在浏览器中访问localhost:8000来查看可视化的追踪、日志和指标仪表盘。
这个工具非常适合需要快速调试、监控本地应用性能的前端、后端或全栈开发者，尤其是那些正在集成或测试OpenTelemetry的项目团队。对于希望深入了解应用内部运行状况，但又不想立即投入生产级可观测性平台复杂性的个人或小团队来说，Kopai是一个理想的起点。
建议在开发、测试或小型项目中使用Kopai。由于它主要面向本地环境，处理大规模生产数据可能不是其设计目标。使用前请确保你的应用已正确配置OpenTelemetry SDK以导出数据。
核心特点
Kopai是一个完全本地化、开箱即用的OpenTelemetry后端，将数据收集、存储和可视化集成在一个简单的Node.js应用中，无需额外依赖数据库或复杂配置，极大降低了可观测性入门门槛。
注意事项
不适合需要处理海量生产数据、长期存储或高可用性集群部署的场景。
常见问题
Kopai支持哪些OpenTelemetry信号？
支持追踪（Traces）、日志（Logs）和指标（Metrics）三种主要信号。
数据存储在本地哪里？
默认使用SQLite数据库存储，数据文件位于本地运行目录中。
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/kopai-mono/raw/index.md 读取 kopai-mono 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/kopai-mono/raw/index.md（查看排版版本）