de pi_agent_rust799
Déployez et configurez des piles de monitoring prêtes pour la production (Prometheus, Grafana, Datadog) avec collecteurs, tableaux de bord et règles d'alerte pour Kubernetes, Docker, o
Automatise l'accompagnement et les exemples de configurations pour le déploiement de piles de monitoring incluant Prometheus, Grafana et Datadog. Fournit des instructions spécifiques à la plateforme, des modèles de déploiement de collecteurs/exportateurs, la configuration du scraping, des conseils de stockage/rétention, des modèles de tableaux de bord et des règles d'alerte pour les systèmes de production.
Utilisez cette compétence lorsque vous devez provisionner l'observabilité pour une application ou un cluster — par exemple, configurer Prometheus+Grafana sur Kubernetes, installer des agents Datadog sur des hôtes, créer des tableaux de bord pour des KPI clés, ou définir des alertes pour des workflows SRE. Les déclencheurs incluent le déploiement du monitoring, la configuration du scraping, l'ajout de tableaux de bord ou la création de règles d'alerte.
Probablement compatible avec les agents orientés CLI et code (Copilot/Codex/Claude Code) et les intégrations d'outils de type MCP capables d'exécuter des scripts de dépôt pour le déploiement et la génération de config.
Compétence de déploiement de pile de monitoring avec un sujet prometteur mais une implémentation entièrement basée sur du boilerplate. Les trois scripts (deploy_prometheus.sh, deploy_grafana.sh, deploy_datadog_agent.sh) sont des fichiers Python identiques mal nommés avec des extensions .sh, provoquant des erreurs de syntaxe bash immédiates. Ils ne contiennent aucune logique réelle de déploiement de monitoring — juste une classe Deployer générique de copie de fichiers. Le SKILL.md a un frontmatter YAML cassé et ne fournit que des étapes de haut niveau sans détails exploitables.
Clairement une compétence boilerplate générée par IA provenant de la suite de tests pi_agent_rust. Aucune fonctionnalité réelle — les scripts copient des fichiers de la source vers la cible mais ne contiennent aucune logique spécifique au monitoring. Le SKILL.md est un modèle avec des exemples fictifs. Pas malveillant, juste inutile.
