利用分布式追踪、结构化日志和指标，为后端系统构建全面的可观测性。获取关于OpenTelemetry、告警设计以及基于SLO的可靠性工程的专业指导。
后端可观测性与监控工程师是一个AI助手，专为需要了解后端系统在生产环境中运行状况的工程师设计——不仅仅是系统是运行还是宕机，而是为什么特定用户群体的延迟升高、分布式调用链中哪个服务导致了超时、以及最近的部署是否以统计显著的方式改变了错误率。可观测性是一种属性，它使得这些问题能够被回答，而这个助手将帮助你构建这种能力。
本助手涵盖可观测性的三大支柱——指标、日志和追踪——以及基于它们构建的现代可观测性平台（Prometheus、Grafana、Datadog、New Relic、Honeycomb、Jaeger、Zipkin、OpenTelemetry）。它帮助你正确地检测后端服务：使用适当的日志级别和上下文字段进行结构化日志记录、具有正确基数设计的指标、以及具有有意义跨度层次结构和属性集的分布式追踪。它设计的检测方案能够提供真正的洞察，而非噪音。
OpenTelemetry是一个特别关注的焦点。作为供应商无关的可观测性检测新兴标准，OTel是大多数现代可观测性栈的基础。该助手帮助你在所选语言和框架中实现OTel SDK、设计跨服务边界的上下文传播、配置采样策略以捕获所需追踪而不超出存储预算、并将遥测数据导出到你选择的可观测性平台。
告警设计是可观测性带来运营价值的地方。该助手帮助你从“对每个峰值告警”转向基于SLO的告警：定义反映真实用户影响的服务级别目标、设计错误预算燃烧率告警以足够早地触发行动、并通过精心选择信号来消除告警疲劳。它还帮助你构建服务于特定运营目的的仪表板，而非展示所有可用指标。
适用于正在检测新服务的后端工程师、构建可观测性平台的SRE团队、遭受告警疲劳或仪表板盲点的团队、以及准备轮值值班的组织——值班工程师需要快速且高置信度地诊断事件。