monitor

监控

此技能用于生产环境监控和事件响应。 如需调试特定错误，请使用 debug。如需检查发布前的准备情况，请使用 go-live。如需监控特定安全问题（身份验证事件、API 滥用），请使用 secure。如需分析和跟踪用户行为，请使用 analytics。

暂时不要做

• 不要在用完免费额度前为监控工具付费。 UptimeRobot + Sentry 免费版足以应对大多数早期应用。
• 不要设置 DataDog、New Relic 或 Grafana。 这些是企业级工具。用户少于 1,000 时，你不需要它们。
• 不要构建自定义仪表板。 你的托管平台（Vercel、Railway）自带指标。先用这些。
• 不要监控所有内容。 上线时有三件事最重要：服务是否正常、是否存在错误、运行是否缓慢。仅此而已。

监控清单

Basic Monitoring:
- [ ] Uptime monitoring (is site up?)
- [ ] Error tracking (are errors happening?)
- [ ] Performance monitoring (is it slow?)
- [ ] User activity (are people using it?)
- [ ] Critical alerts configured
- [ ] Check dashboard daily

实现方法请参阅 MONITORING-SETUP.md。

---

为什么要监控？

不进行监控时：

• 用户遇到错误，你却不知道
• 网站宕机了，你从 Twitter 上才得知
• 性能缓慢，用户悄然离开
• 出现安全问题，却没有警报

进行监控时：

• 错误会立即显示在仪表板中
• 网站宕机时会收到短信
• 可以看到性能下降
• 在用户投诉前发现问题

目标：在用户告知你之前，先发现问题。

---

三项必备监控

1. 服务是否正常？

运行时间监控 —— 每分钟对你的应用执行一次 Ping

免费工具：

• UptimeRobot（免费，可监控 50 项）
• Pingdom（免费额度有限）
• Vercel/Netlify（已部署应用内置）

设置：

1. Sign up for UptimeRobot
2. Add monitor for https://yourapp.com
3. Add your email for alerts
4. Get texted if site is down

2. 是否存在错误？

错误跟踪 —— 捕获 JavaScript 错误和 API 故障

免费工具：

• Sentry（免费额度：每月 5k 个错误）
• LogRocket（免费额度有限）
• Vercel/Netlify 日志（适用于已部署的应用）

Claude Code：

Add Sentry error tracking to my app:
- Install @sentry/nextjs (or appropriate package)
- Capture all frontend errors and API errors
- Include user context (email, ID)
- Configure source maps for readable stack traces
- Set up Sentry.init in both client and server entry points

Lovable / Replit（粘贴到聊天中）：

Add error tracking to my app. I want to be notified when errors happen.
Use Sentry (free tier). Show me how to:
1. Create a Sentry account and project
2. Add the tracking code to my app
3. Test that errors are being captured

3. 运行是否缓慢？

性能监控 —— 跟踪页面加载时间

免费工具：

• Vercel Analytics（内置）
• Google PageSpeed Insights（免费）
• Cloudflare Analytics（免费额度）

设置：

• 通常由托管平台自动完成
• 每周查看仪表板

---

监控什么

关键指标

必须监控：

• 网站运行时间（99%+）
• 错误率（低于请求数的 1%）
• API 响应时间（低于 500ms）
• 页面加载时间（低于 3s）

可选监控：

• 活跃用户
• 功能使用情况
• 转化率
• 用户路径

对于 MVP： 只关注“必须监控”的项目。

---

设置警报

配置以下警报：

紧急（立即发短信给我）：

• 网站宕机
• 错误率激增（达到正常水平的 10 倍）
• 数据库连接丢失
• 支付处理失败

重要（在一小时内发送邮件）：

• API 速度缓慢（超过 2 秒）
• 错误率升高（达到正常水平的 2 倍）
• 磁盘空间不足（超过 80%）

通知（每日摘要）：

• 发现新错误
• 性能持续下降
• 流量模式

告诉 AI：

Configure monitoring alerts:
- Critical: Text to [phone]
- Important: Email to [email]
- Send summary: Daily at 9am

---

每日监控例行检查

早晨 5 分钟检查：

Daily Check:
1. Open monitoring dashboard
2. Check uptime (should be 100% yesterday)
3. Check error count (any spikes?)
4. Check performance (slower than usual?)
5. Review any alerts from overnight

如果一切正常： 完成，只需 5 分钟。

如果出现异常： 使用 debug 技能进行调查。

---

查看监控仪表板

运行时间仪表板

绿色： 网站响应正常
红色： 网站宕机或响应缓慢

检查内容：

• 运行时间百分比（目标：99%+）
• 响应时间（目标：低于 500ms）
• 最近的宕机事件

错误仪表板

关注：

• 错误数量激增（突然跳升）
• 新的错误类型（之前未见过）
• 受影响用户（有多少人遇到了此问题？）
• 错误频率（是否频繁发生？）

优先级：

• 影响大量用户 → 高优先级
• 阻碍关键功能 → 高优先级
• 边缘情况错误 → 低优先级

性能仪表板

关注：

• 加载时间持续增长（越来越慢）
• 响应缓慢的端点（哪些 API 调用）
• 加载缓慢的页面（哪些路由）
• 地域差异（特定地区速度缓慢）

---

错误调查

错误激增时：

1. Open error tracking dashboard (Sentry)
2. Find the most frequent error
3. Read error message and stack trace
4. Note: How many users affected?
5. Note: Started when?
6. Check: Did we deploy recently?

交给 AI：

Error in production:
[Paste error message and stack trace]

Affected: [X] users in last [Y] hours
Started: [timestamp]
Recent deploys: [any?]

Please:
1. Explain what's wrong
2. Propose hotfix
3. How to test before deploying

---

用户报告的问题

用户报告问题时：

User Report Investigation:
1. Can you reproduce it?
2. Check monitoring for errors at that time
3. Check logs for that user
4. Check if others affected
5. Determine severity

Then use debug skill to fix.

告诉 AI：

User reported: [issue description]
User: [email or ID]
Timestamp: [when it happened]

Check monitoring and logs for this user at this time.
What errors or issues do you see?

---

主动监控

在用户发现问题之前及时捕获：

每周检查：

Weekly Review:
- [ ] Error trends (going up or down?)
- [ ] Performance trends (slower?)
- [ ] New error types introduced
- [ ] Uptime issues resolved
- [ ] Alert noise (too many false alerts?)

每月检查：

Monthly Health:
- [ ] Compare to last month
- [ ] Any degradation?
- [ ] Any improvements?
- [ ] Monitoring gaps (what's not tracked?)

---

免费监控方案

适用于 MVP 的推荐方案：

运行状态：

• UptimeRobot（免费）- 50 个监控项

错误：

• Sentry（免费）- 每月 5k 个错误

性能：

• Vercel Analytics（在 Vercel 上免费）
• Cloudflare Analytics（免费）

日志：

• 平台日志（Vercel、Netlify、Railway）

在需要更多功能之前，费用为每月 $0。

---

何时升级监控

以下情况应升级：

• 达到免费套餐的限制
• 需要更详细的分析数据
• 需要更快地响应警报
• 需要高级功能（会话回放等）

付费套餐（通常为每月 $20-50）：

• Sentry Pro（每月 $26）
• LogRocket（每月 $99 - 会话回放）
• DataDog（每台主机每月 $15）

**用户少于 1000 人时：**免费套餐已足够。

---

常见监控错误

错误	解决方法
未设置监控	在上线前设置
警报疲劳（警报过多）	仅针对严重问题发送警报
每月只检查一次	每天检查（5 分钟）
忽略趋势	留意问题是否随时间恶化
未配置警报	设置宕机短信提醒
监控了却不采取行动	利用监控发现并修复问题

---

解读趋势

良好趋势：

• 错误减少
• 性能改善
• 运行时间稳定在 99.9% 以上

警示趋势：

• 错误逐渐增加
• 性能逐渐下降
• 运行时间低于 99%

严重趋势：

• 错误突然激增
• 性能突然下降
• 多次发生宕机

**行动：**在警示趋势演变为严重问题之前着手处理。

---

日志与监控

日志：

• 记录发生了什么
• 用于调试具体问题
• 详细、内容丰富
• 调查问题时查看

监控：

• 跟踪整体运行状况
• 用于及早发现问题
• 高层级指标
• 每天查看

**两者都需要：**监控会向你发出警报，日志则有助于调试。

---

设置日志记录

告诉 AI：

Add application logging:
- Log all errors with context
- Log API requests/responses
- Log slow operations (>1s)
- Log authentication events
- Don't log sensitive data

Format: JSON with timestamp, level, message, context
Send to: [Platform logs or external service]

日志级别：

• ERROR：发生故障
• WARN：出现值得关注的情况
• INFO：正常运行
• DEBUG：详细调试信息

**生产环境：**仅记录 ERROR 和 WARN。

---

监控集成

第三方服务：

支付（Stripe）：

• 支付失败警报
• 退款请求警报
• 订阅取消（每日摘要）

电子邮件（SendGrid）：

• 投递失败警报
• 退信率升高警报
• 垃圾邮件投诉警报

数据库：

• 连接池耗尽
• 慢查询（>1s）
• 磁盘空间不足

告诉 AI：

Add monitoring for [service]:
- Alert on failures
- Track success rate
- Log errors with context

---

事件响应

完整的操作手册请参阅 INCIDENT-RESPONSE.md：严重级别、回滚步骤、客户沟通模板和事件后复盘。

警报触发时：

Incident Response:
1. Acknowledge alert (mark as seen)
2. Assess severity:
   - Critical: Site down, payments failing
   - High: Errors affecting many users
   - Medium: Isolated issues
3. Immediate action:
   - Critical: Hotfix or rollback
   - High: Fix within hours
   - Medium: Fix in next deploy
4. Update users if needed
5. Post-mortem after resolved

严重事件：

1. Assess impact (how many affected?)
2. Quick fix or rollback
3. Deploy hotfix
4. Verify fixed
5. Monitor closely for hour
6. Update status page if you have one

---

成功的标志

✅ 在用户报告问题之前就能发现问题 ✅ 运行时间 >99.9% ✅ 及时发现并修复错误 ✅ 性能趋势稳定或持续改善 ✅ 每日监控例行工作（5 分钟） ✅ 警报配置合理且可采取行动 ✅ 主动解决问题

---

相关技能

• debug — 调查并修复具体错误
• deploy — 托管设置和回滚流程
• secure — 安全监控与加固
• analytics — 用户行为跟踪和转化漏斗
• go-live — 上线前准备（将监控列为检查项）