@huicai/cli 2026.714.0 → 2026.804.0

package/skills/eng-efficiency/SKILL.md

@@ -0,0 +1,75 @@
+---
+name: eng-efficiency
+description: 工程效能链（DORA 四键口径与采集→SPACE 多维补盲→价值流映射找瓶颈(等待 vs 处理)→效能改进循环→度量反模式(Goodhart/个人排名禁区)→效能数据打通(需求-PR-流水线-发布串 ID)→效能平台建设判据）。工程链效能深耕:效能度量立项、研发瓶颈诊断、"研发为什么慢"灵魂拷问、度量被玩坏时载入。
+version: 1.0.0
+---
+
+# 工程效能链
+
+engineering-chain 的效能子链。第一原则:**度量服务于改进,不服务于考核**——
+用于考核的那一刻,数字就开始说谎(Goodhart 定律)。
+
+## DORA 四键（组织效能基线,口径要钉死）
+
+| 指标 | 口径(钉死再采集) | 精英参考带 |
+|---|---|---|
+| 部署频率 | 生产环境成功部署次数(按服务/按团队分开看) | 按需多次/日 |
+| 变更前置时间 | 代码提交→生产运行(不是需求提出→上线,那是另一条) | <1 天 |
+| 变更失败率 | 部署后需回滚/热修的比例(口径含紧急通道) | <15% |
+| 恢复时长 MTTR | 生产事件发现→恢复(eng-ops 事件时间线取数) | <1 小时 |
+
+用法纪律:四个一起看(只冲部署频率会牺牲失败率);看趋势与分布不看单点;
+**团队间不排名**(上下文不同,排名=逼人改口径);参考带用于自我定位不用于压指标。
+
+## SPACE 多维补盲（DORA 之外的另一半真相）
+
+满意度(问卷:工具/流程/on-call 负担)/绩效(结果质量)/活动(产出量,**最易被玩坏,只做参考**)/
+沟通协作(评审等待时长/跨团队依赖阻塞)/流动效率(专注时间占比,会议与打断侵蚀);
+选型纪律:每季选 2–3 个维度深看,全量仪表盘=没人看的数字坟场;
+**开发者满意度是领先指标**:满意度掉→半年后交付掉(招人留人成本更是数倍)。
+
+## 价值流映射（瓶颈诊断的手术刀）
+
+从"需求提出"到"用户可用"画全链时间线,每环节标两个数:**处理时间**(真在干活)与**等待时间**(排队/审批/等人/等环境);
+常见真相:总时长里等待占 70%+——瓶颈通常不在"写代码慢",在等评审/等测试环境/等发布窗口/等另一个团队接口;
+诊断三步:画图(全角色参与,各自贴自己环节的实际数据)→ 找最大等待段 → 问五个为什么(等评审=评审人过载?PR 太大?时区错开?);
+**改善等待的 ROI 通常十倍于改善处理**(让写码快 10% 难,砍掉两天等待易)。
+
+## 效能改进循环（季度节奏）
+
+基线(先测三个月,别上来就改)→ 选一个瓶颈(**一次只治一个**,同时开五个专项=零个)→
+设计实验(改什么/预期哪个指标动/多久复测)→ 执行(改进本身进迭代排期,eng-planning 占容量)→
+复测归因(动了=固化推广;没动=复盘假设)→ 下一个瓶颈。
+常见高 ROI 改进对照:前置时间长→PR 减肥(小 PR 纪律)+评审 SLA(24h 响应)+流水线提速(cicd-pipeline);
+失败率高→门禁补强(eng-quality/eng-release);MTTR 长→可观测与预案(eng-observability/eng-ops);
+等待环境→环境自助化(eng-infra/eng-automation)。
+
+## 度量反模式黑名单
+
+- **个人排名与代码行数/提交数 KPI**:立刻收获灌水提交与拆分刷单,数字失真且士气崩;
+- 唯覆盖率(eng-quality 已批)/唯故事点吞吐(点数会通胀);
+- 平均值掩盖分布(前置时间 P50 好看,P90 三周=一半需求体验差);
+- 度量不改进:仪表盘建完没人看没人动=测量剧场;
+- 用工具数据替代对话:数字发现异常,原因要去问人(数据说"评审慢",原因可能是"就一个人会这模块"——那是巴士系数问题,eng-research 风险表);
+- 短期主义:效能改进(还债/自动化)本身占容量,砍掉它们冲当期交付=借高利贷。
+
+## 效能数据打通（平台工程面）
+
+串 ID 是前提:需求单-分支/PR-流水线-制品-发布单-事件单一路关联(提交信息带工单号,commit-and-pr 规范落地);
+采集自动化:四键从系统取数(Git/CI/发布/事件平台),**手工填报的效能数据活不过三个月**;
+数据口径文档化(与 data-governance 字典同构:每个指标一条口径+Owner);
+效能平台建设判据:先用现成工具拼报表(例程周报,eng-automation),**指标被真用起来再谈自建平台**。
+
+## 汇报与沟通
+
+对管理层:趋势+瓶颈+改进 ROI(别甩四十个指标);对团队:自己环节的分布与同比(自己跟自己比);
+效能异动先内部归因再对外解释(发布节奏变化/团队重组都会扰动指标,标注事件线,eng-observability 同法);
+**把"效能报告"做成"瓶颈诊断书"**:每期回答"当前最慢在哪、上期改进兑现没"两问即可。
+
+**作业包**:`scripts/dora-calc.py`(部署与事件 CSV→四键报告(频率/CFR/前置时间/MTTR),含参考带与瓶颈指引——趋势自比不排名)。
+
+## 使用纪律
+
+度量前先声明用途并公示(改进用,不进绩效);口径变更留版本(否则趋势失真);
+每季改进循环闭环一次;数字异常先查采集再查人。
+**效能工程的产出不是报表,是被砍掉的等待时间。**

package/skills/eng-efficiency/scripts/dora-calc.py

@@ -0,0 +1,104 @@
+#!/usr/bin/env python3
+# DORA 四键计算器（eng-efficiency 口径钉死的可执行版）。python3 stdlib,零依赖。
+# 输入两份 CSV(从发布系统/事件平台导出,手工填报的效能数据活不过三个月):
+#   deploys.csv:  date,status[,lead_hours]     # date=YYYY-MM-DD status=success|failed(需回滚/热修)
+#                                              # lead_hours=提交→生产小时数(可选列)
+#   incidents.csv: start,end                   # 生产事件起止 YYYY-MM-DD HH:MM
+# 用法: python3 dora-calc.py --deploys deploys.csv [--incidents incidents.csv]
+#       python3 dora-calc.py --selftest
+# 纪律: 团队间不排名,只看自己趋势;四个一起看(只冲部署频率会牺牲失败率)。
+import argparse
+import csv
+import sys
+from datetime import datetime
+
+
+def pct(vs, p):
+    if not vs:
+        return 0.0
+    vs = sorted(vs)
+    k = (len(vs) - 1) * p / 100
+    lo, hi = int(k), min(int(k) + 1, len(vs) - 1)
+    return vs[lo] + (vs[hi] - vs[lo]) * (k - lo)
+
+
+def load_deploys(path):
+    deps = []
+    with open(path, encoding="utf-8") as f:
+        for ln in csv.reader(f):
+            if not ln or ln[0].startswith("#") or ln[0] in ("date",):
+                continue
+            d = datetime.strptime(ln[0].strip(), "%Y-%m-%d")
+            ok = ln[1].strip().lower() in ("success", "ok", "成功")
+            lead = float(ln[2]) if len(ln) > 2 and ln[2].strip() else None
+            deps.append((d, ok, lead))
+    return deps
+
+
+def load_incidents(path):
+    out = []
+    with open(path, encoding="utf-8") as f:
+        for ln in csv.reader(f):
+            if not ln or ln[0].startswith("#") or ln[0] in ("start",):
+                continue
+            s = datetime.strptime(ln[0].strip(), "%Y-%m-%d %H:%M")
+            e = datetime.strptime(ln[1].strip(), "%Y-%m-%d %H:%M")
+            out.append((e - s).total_seconds() / 60)
+    return out
+
+
+def report(deps, mttr_mins):
+    if not deps:
+        print("[错误] 无部署记录")
+        return 2
+    days = max((max(d for d, _, _ in deps) - min(d for d, _, _ in deps)).days, 1)
+    weeks = max(days / 7, 0.1)
+    n = len(deps)
+    fails = sum(1 for _, ok, _ in deps if not ok)
+    leads = [l for _, _, l in deps if l is not None]
+    print(f"== DORA 四键(区间 {days} 天,{n} 次部署) ==")
+    freq = n / weeks
+    band = "精英参考带内(按需/日级)" if freq >= 7 else ("周级" if freq >= 1 else "低于周级——查价值流哪段在等(评审?环境?窗口?)")
+    print(f"1. 部署频率: {freq:.1f} 次/周  [{band}]")
+    cfr = fails * 100 / n
+    print(f"2. 变更失败率: {cfr:.1f}% ({fails}/{n}){'  <== >15%:门禁与发布模式复查(eng-quality/eng-release)' if cfr > 15 else ''}")
+    if leads:
+        print(f"3. 变更前置时间(提交→生产): P50={pct(leads, 50):.1f}h  P90={pct(leads, 90):.1f}h"
+              f"{'  <== P90 与 P50 悬殊:平均掩盖分布,查长尾需求卡在哪' if leads and pct(leads, 90) > 4 * max(pct(leads, 50), 0.1) else ''}")
+    else:
+        print("3. 变更前置时间: 无数据(deploys.csv 补 lead_hours 列;串 ID 采集见 eng-efficiency 数据打通)")
+    if mttr_mins:
+        print(f"4. MTTR: 中位 {pct(mttr_mins, 50):.0f} 分钟  P90={pct(mttr_mins, 90):.0f} 分钟 ({len(mttr_mins)} 起)"
+              f"{'  <== 中位>60min:预案与可观测复查(eng-ops/eng-observability)' if pct(mttr_mins, 50) > 60 else ''}")
+    else:
+        print("4. MTTR: 无事件数据(0 事件或未导出 —— 区分清楚,别把没记当没有)")
+    print("用法纪律: 看趋势不看单点;改进一次只治一个瓶颈(eng-efficiency 改进循环)。")
+    return 0
+
+
+def selftest():
+    import tempfile, os
+    with tempfile.TemporaryDirectory() as d:
+        dp = os.path.join(d, "d.csv")
+        ic = os.path.join(d, "i.csv")
+        open(dp, "w").write("date,status,lead_hours\n" + "\n".join(
+            f"2026-06-{i:02d},{'success' if i % 5 else 'failed'},{6 + i % 40}" for i in range(1, 29)))
+        open(ic, "w").write("start,end\n2026-06-03 10:00,2026-06-03 10:45\n2026-06-15 22:10,2026-06-16 01:10\n")
+        rc = report(load_deploys(dp), load_incidents(ic))
+        assert rc == 0
+    print("\nselftest ok")
+    return 0
+
+
+def main():
+    if "--selftest" in sys.argv:
+        sys.exit(selftest())
+    p = argparse.ArgumentParser(description="DORA 四键(口径见文件头)")
+    p.add_argument("--deploys", required=True)
+    p.add_argument("--incidents")
+    a = p.parse_args()
+    sys.exit(report(load_deploys(a.deploys), load_incidents(a.incidents) if a.incidents else []))
+
+
+if __name__ == "__main__":
+    main()

package/skills/eng-infra/SKILL.md

@@ -0,0 +1,81 @@
+---
+name: eng-infra
+description: 基础设施链（IaC 纪律与漂移检测→容器镜像优化→K8s 工作负载治理(探针/配额/HPA)→网络入口分层→密钥配置管理→多环境一致性→FinOps 成本治理→灾备等级表）。工程链基础设施深耕:上云建环境、容器化改造、K8s 资源治理、云成本失控、灾备定级时载入。
+version: 1.0.0
+---
+
+# 基础设施链
+
+engineering-chain 的基础设施子链。总则:**基础设施即代码,控制台点出来的资源=无主技术债**。
+中间件孙链:消息队列(选型/重平衡/堆积治理)载 **infra-mq**;K8s 深度见下文指针;非 K8s 存量主机(批量执行纪律/基线/CMDB)载 **ops-fleet**。
+
+## IaC 纪律
+
+- 一切环境资源过代码(Terraform/Pulumi 思路):评审、版本、可重建三件套齐活;
+- state 文件保护:远端存储+加锁+禁手改;模块化复用(网络/计算/存储分模块);
+- **漂移检测周巡**:实际环境 vs 代码 diff,漂移=有人绕过流程,先补代码再查流程;
+- 紧急手工操作允许,但 24h 内回补代码(与 eng-ops 紧急变更补票同拍)。
+
+## 容器镜像
+
+- 多阶段构建:构建期工具不进运行镜像;运行层用内部基线镜像(统一含时区/CA 证书/中文字体/常用诊断工具——**排障时没有 curl 的镜像是自我惩罚**,或配 debug sidecar 方案);
+- 层缓存排序:少变的(依赖)在前、常变的(代码)在后,构建提速一个量级;
+- 非 root 运行+只读根文件系统(能开就开);镜像扫描入 CI(eng-security),基线镜像月度更新;
+- 国内环境:依赖源配镜像仓(npm/PyPI/Maven 私服统一代理,dev-toolchain),**构建不出网是目标态**;
+- 标签纪律:禁 latest 上生产,镜像标签=不可变版本(digest 固定更佳)。
+
+## K8s 工作负载治理
+
+- **requests/limits 必填**:不填 requests=调度盲飞,不填 limits=吵闹邻居;内存 limits=requests(防 OOM 抽签),CPU limits 按需(节流观测后调);
+- 探针三件套判据:liveness 只查自身进程活性、**禁查下游依赖**(下游抖动引发全体重启雪崩);readiness 查依赖(依赖不可用就摘流);startup 给慢启动应用兜底;
+- 高可用配置:副本 ≥2 + PodDisruptionBudget + 同应用反亲和(跨节点/跨可用区);
+- HPA:CPU 之外优先业务指标(队列长度/QPS);**扩得快缩得慢**(缩容冷静期防抖);与集群自动扩缩配合看(Pod 扩了节点没了=白扩);
+- 命名空间按 团队×环境 切;ResourceQuota+LimitRange 兜底(没人能一把吃光集群);
+- 深度治理(工作负载五型判据/调度/网络四层/存储/集群升级/排障决策树)载 **infra-k8s**。
+
+## 网络与流量入口
+
+入口分层:公网 LB → 网关/Ingress(TLS 终止、限流、WAF) → 服务;**内部服务默认不出公网**(零信任起步:服务间最小可达);
+网关深耕(选型/灰度路由/证书集中管理/WAF/服务网格判据)载 **infra-gateway**;
+DNS TTL 与故障切换预案匹配(TTL 3600 的域名做不了 5 分钟切换);
+CDN 判据:静态资源默认上,缓存键设计防窜数据(vary 头/查询参数白名单),回源限流保护源站;
+出口固定 IP 需求(对方白名单)提前规划 NAT。
+
+## 密钥与配置管理
+
+- **密钥四不**:不进代码、不进镜像、不进日志、不进明文环境变量文件——统一密钥服务(Vault/云 KMS 思路;K8s Secret 起步则必须开启静态加密+RBAC 收紧);
+- 轮换机制:密钥有效期与轮换演练(能轮换的密钥才是受控密钥,eng-security 生命周期);
+- 配置分层:默认值 < 环境级 < 实例级;配置变更=变更(走 eng-ops 流程,有审计有回滚);
+- 配置中心判据:需要运行时热更才上,只是环境差异用环境变量足矣。
+
+## 多环境一致性
+
+- 环境矩阵:dev(随便折腾)/test(集成与自动化)/staging(**与生产同构:同镜像同编排同配置结构,只差规模与数据**)/prod;
+- **同一制品跑所有环境**(eng-release 一次构建),禁止"staging 特供代码/生产特供补丁";
+- 生产数据不下行:下行需求用脱敏样本集(eng-security 数据分级);
+- 环境漂移检测纳入周巡(staging 与 prod 的配置 diff 报告)。
+
+## FinOps 成本治理
+
+- 标签强制:Owner/项目/环境三标签,**无标签资源不予创建**(策略拦截),无主资源=第一浪费源;
+- 月度成本例会:TOP10 资源复核、环比>20% 异动归因、单位业务成本趋势(总成本会涨,单均成本要降);
+- 优化三板斧:规格右调(利用率<20% 的降配)、弹性(夜间缩容/竞价实例跑无状态批任务)、存储生命周期(日志与备份 热 7 天/温 30/冷 365 分层);
+- 预留与折扣:稳定基线负载买预留,弹性部分按量——先有用量画像再谈采购。
+
+## 灾备等级表（按业务分级配,不一刀切）
+
+| 等级 | 形态 | RTO/RPO 量级 | 代价 |
+|---|---|---|---|
+| 冷备 | 备份异地存放 | 天级/小时级 | 最低;恢复靠演练保真 |
+| 温备 | 异地可快速拉起(IaC+数据异步复制) | 小时级/分钟级 | 中;IaC 成熟度是前提 |
+| 热备双活 | 双站点同时服务 | 分钟级/≈0 | 高;数据一致性与流量调度复杂度陡增 |
+
+演练纪律:**不演练的灾备=PPT 灾备**,季度按预案真切一次(哪怕只切只读流量),实测值回填(eng-ops 恢复演练同拍)。
+
+**作业包**:`references/production-readiness.md`(生产就绪单:资源探针配置密钥发布可观测可靠性备份安全逐项勾——新服务上线准入)。
+
+## 使用纪律
+
+生产基础设施变更走 eng-release/eng-ops 流程(基础设施变更引发的事件占比最高);
+基础设施自身也要可观测(节点/网络/证书到期/配额水位,eng-observability);
+证书与域名到期自动盯(office-automation 例程);每次容量/成本/故障事件回写:配额基线与预案更新。

package/skills/eng-infra/references/production-readiness.md

@@ -0,0 +1,46 @@
+# 生产就绪检查单（eng-infra 落笔件:新服务上生产前逐项勾,eng-release 准入引用）
+
+## 资源与调度
+
+- [ ] requests/limits 必填(内存 limits=requests;CPU limits 观测后调)
+- [ ] 副本 ≥2 + PDB + 同应用反亲和(跨节点/可用区)
+- [ ] HPA:指标 __(CPU 之外优先业务指标);扩快缩慢冷静期
+- [ ] 命名空间配额内;成本三标签(Owner/项目/环境)已打
+
+## 探针三件套(判据背一遍再配)
+
+- [ ] liveness:只查自身进程,**禁查下游**(防雪崩重启)
+- [ ] readiness:查依赖(依赖不可用即摘流)
+- [ ] startup:慢启动兜底(替代放宽 liveness)
+
+## 配置与密钥
+
+- [ ] 密钥四不:不进代码/镜像/日志/明文 env(密钥服务或加密 Secret+RBAC)
+- [ ] 配置分层(默认<环境<实例);**同一制品多环境**,无环境特供代码
+- [ ] ConfigMap 变更的滚动触发(哈希注解)已配(改了不生效的经典,infra-k8s)
+
+## 镜像与发布
+
+- [ ] 多阶段构建;非 root;镜像扫描过;禁 latest(digest/不可变 tag)
+- [ ] 优雅退出:SIGTERM→停接新请求→在途完成→退出;terminationGracePeriod 匹配
+- [ ] 发布模式与回滚预案(release-plan-template)
+
+## 可观测三件套(eng-observability 准入)
+
+- [ ] RED 指标暴露;结构化日志+traceId;trace 接入
+- [ ] 告警已配且过三问(runbook 链接挂告警上)
+- [ ] 大盘:全局盘挂上;发布事件线打点
+
+## 可靠性
+
+- [ ] 每个外部调用过容错判据表(超时必配/重试幂等/熔断降级,resilience-review)
+- [ ] 强弱依赖标注;故障演练日期 __
+- [ ] 容量:压测拐点 __ QPS×0.7=水位 __;当前预估峰值 __
+
+## 数据与安全
+
+- [ ] 备份策略 3-2-1;恢复演练日期 __
+- [ ] 安全基线:默认口令清零/调试接口关闭/SCA 无高危(eng-security)
+- [ ] 网络:内部服务不出公网;NetworkPolicy(渐进);入口走网关(infra-gateway)
+
+> 结论: □就绪 □带条件就绪(条件+Owner+期限:__) □打回。评审人:__ 日期:__

package/skills/eng-integration/SKILL.md

@@ -0,0 +1,82 @@
+---
+name: eng-integration
+description: 集成工程链（集成模式判据(同步 API/异步消息/文件批量)→第三方对接五阶段全流程→防腐层纪律→回调安全四件套→幂等与对账兜底→凭证配额管理→消息集成专项(重复/乱序/堆积)→第三方坑清单）。工程链集成深耕:对接支付/OA/ERP/银行/短信等第三方系统、内部系统间集成、回调丢单对不上账时载入。接口契约细则由 api-design、单接口调试由 api-integration 承接。
+version: 1.0.0
+---
+
+# 集成工程链
+
+engineering-chain 的集成子链。集成的本质是**与不受你控制的系统共舞**:对方会挂、会慢、会改、会不通知——
+一切设计从这个假设出发。
+
+## 集成模式判据表
+
+| 模式 | 适用 | 代价 |
+|---|---|---|
+| 同步 API | 实时要结果(下单查库存) | 可用性耦合(对方挂你也挂),容错全家桶必配(eng-reliability) |
+| 异步消息 | 通知/解耦/削峰(状态广播) | 最终一致;重复乱序要设计(见消息专项) |
+| 文件批量 | 大批量对账单/银企直连遗留形态 | 时效差;断点续传与校验(条数+金额+md5)必做 |
+| 共享数据库 | — | **反模式**:耦合 schema,禁新增;存量的往 API/消息迁 |
+
+选型口诀:能异步不同步(少一分可用性耦合),必须同步就上全套容错。
+
+## 第三方对接五阶段
+
+1. **评估**(签约前技术尽调):文档质量/沙箱有无/限流配额与 SLA/**费用模型**(按次计费的重试要算钱)/资质合规(支付牌照/数据出境)——评估结论进 eng-research 评分卡,退出成本先看(换供应商半径);
+2. **契约**:字段映射表(对方字段→我方领域模型,**防腐层收口**见下);状态机对齐(对方的"处理中"细分几种?终态是哪些?);错误码分类表(可重试/不可重试/要人工);
+3. **联调**:沙箱账号与测试数据集;对方沙箱与生产的行为差异清单(**沙箱回调时序与生产常不同**,别拿沙箱时序做假设);mock 服务兜底(对方沙箱挂了联调不停摆);
+4. **上线**:灰度切流(新旧通道并行,对账核对一致再全切);监控就位(成功率/时延/配额余量,eng-observability);
+5. **运维**:对方变更公告盯梢(订阅+例程巡检,eng-automation);故障隔离预案(对方挂了降级/排队/换备用通道);年度回顾(费用/SLA 达成/替代方案市场扫描)。
+
+## 防腐层纪律（第三方模型不进领域）
+
+适配器统一收口:第三方 SDK/字段/枚举只存在于 adapter 模块,**领域代码零感知第三方**(对方改版只改 adapter);
+双向转换显式:入参出参都过映射(隐式透传=对方加个字段你就裸奔);
+多供应商同能力(短信/支付/OCR)抽统一接口+路由策略(主备切换/按成本路由)——**换供应商是常态,架构要让换得起**;
+第三方枚举防御:收到未知枚举值走兜底分支+告警,不许 default 吞掉(对方偷偷加状态是常规操作)。
+
+## 回调安全四件套（回调接口=对外攻击面）
+
+验签(按对方算法验,**密钥配轮换**)/时间戳窗口防重放(±5 分钟)/来源约束(IP 白名单或域名校验,能配就配)/
+**快速返回+异步处理**:回调处理只做验签+落库+返回成功,业务逻辑异步消费——同步做业务=对方超时重推=重复处理;
+回调幂等:唯一业务键(对方单号)约束兜底(eng-database 幂等设计);
+回调日志全量留存(原始报文落盘,对账与仲裁的证据)。
+
+## 幂等与对账（不对账的资金集成=裸奔）
+
+- **回调会丢,主动查询兜底**:未终态订单定时轮询对方查询接口(退避节奏),回调与查询双通道汇聚同一状态机;
+- 状态机推进单向:只许沿合法迁移推进(晚到的"处理中"不许覆盖"已成功",eng-quality 状态迁移用例);
+- **日终对账三层**:笔数对→金额对→逐笔对;差异分类处置(我有他无=掉单补查/他有我无=多收退款或漏单补录/状态不一致=以对方终态+人工复核);资金类 T+1 必对,差异清零才算闭环;
+- 长款短款处置流程与挂账科目提前和财务约定(finance-chain 衔接)。
+
+## 凭证与配额管理
+
+第三方密钥入密钥服务(eng-infra 四不),轮换演练;证书到期巡检(eng-automation 例程);
+**配额监控**:用量接近限额提前告警(短信/OCR 按量配额耗尽=业务静默失败);
+多环境凭证隔离(测试凭证打生产=经典事故);对方 IP 白名单变更流程记档(扩容加节点要同步报备)。
+
+## 消息集成专项（内部系统间异步）
+
+重复消费:消费端幂等是铁律(broker 至少一次投递是常态);
+乱序:业务上容忍或按 key 分区保序(全局有序=吞吐归零,别轻易要);
+堆积:消费速率监控+堆积告警;堆积处置序(扩消费者→降级非核心消费逻辑→死信隔离毒消息);
+死信队列必配+定期清理复盘(毒消息模式回写);
+消息 schema 演进:只加不改不删(api-design 同则),消费者容忍未知字段;
+事务性发件箱判据:业务落库与发消息要原子时(本地消息表/outbox 轮询),**先发消息后落库=经典丢单**;
+引擎侧深耕(选型判据表/分区与重平衡/位移语义/堆积处置序)载 **infra-mq**。
+
+## 第三方坑清单（评估与运维备查）
+
+对方升级不通知(接口行为悄变→契约测试定期跑对方沙箱);文档与实际不符(以抓包为准,文档只当线索);
+时区与编码(对方 GMT+8 无标注/GBK 报文);金额单位(分 vs 元,**上线前双方书面确认**);
+限流突增被封(重试风暴触发对方风控→重试预算,eng-reliability);
+对方维护窗口(月末维护撞你月结→维护日历互换);
+证书链不全/自签证书(客户端信任配置单列)。
+
+**作业包**:`references/integration-dossier-template.md`(集成档案:契约要点/回调安全四件/对账三层/变更事件追加——一条集成一档)。
+
+## 使用纪律
+
+每条集成建档:契约版本/凭证位置/对账方式/应急联系人/降级预案——**集成的知识别只活在一个人脑里**(eng-docs);
+资金与订单类集成无对账不上线;第三方事故也走 eng-ops 复盘(推动对方整改要有书面记录);
+每次集成事故回写坑清单。

package/skills/eng-integration/references/integration-dossier-template.md

@@ -0,0 +1,38 @@
+# 集成档案模板（eng-integration 落笔件:一条集成一档,知识别只活在一个人脑里）
+
+## 1. 档案头
+
+| 项 | 内容 |
+|---|---|
+| 对接方/用途 | __(供应商/内部系统) |
+| 模式 | □同步 API □异步消息 □文件批量(禁共享库) |
+| 环境 | 沙箱:__ 生产:__;沙箱与生产行为差异清单:__ |
+| 凭证 | 密钥位置(密钥服务路径):__;轮换周期:__;到期巡检: □ |
+| 配额/计费 | 限流 __/s;配额 __/月(监控: □);按次计费?重试要算钱: □已评估 |
+| 应急联系人 | 我方:__ 对方:__(升级路径:__) |
+| SLA | 对方承诺 __;实测 __ |
+
+## 2. 契约要点(防腐层收口确认)
+
+- [ ] 字段映射表已建(对方字段→领域模型;**领域代码零感知第三方**)
+- [ ] 状态机对齐:对方状态 __ 个,终态 __;我方映射 __
+- [ ] 错误码分类表:可重试 __ / 不可重试 __ / 转人工 __
+- [ ] 未知枚举防御:兜底分支+告警(不许 default 吞)
+- [ ] 金额单位书面确认:□分 □元(双方邮件/文档链接:__)
+
+## 3. 回调安全四件(有回调必填)
+
+- [ ] 验签(算法 __;密钥可轮换)  - [ ] 时间戳窗口 ±__ 分钟防重放
+- [ ] 来源约束(IP 白名单/域名):__  - [ ] **快速返回+异步处理**;幂等键:__(唯一约束兜底)
+- [ ] 原始报文全量留存 __ 天(对账与仲裁证据)
+
+## 4. 对账与兜底(资金/订单类必填,无对账不上线)
+
+- [ ] 主动查询兜底:未终态单轮询(退避节奏 __);回调+查询汇聚同一状态机(单向推进)
+- [ ] 日终对账三层:笔数→金额→逐笔;时刻 __;差异处置:我有他无→__;他有我无→__;状态不一致→以对方终态+人工复核
+- [ ] 长款短款挂账科目与财务约定:__
+
+## 5. 变更与事件记录(追加式)
+
+| 日期 | 事件(对方升级/故障/坑) | 处置 | 回写(坑清单/契约/预案) |
+|---|---|---|---|

package/skills/eng-legacy/SKILL.md

@@ -0,0 +1,81 @@
+---
+name: eng-legacy
+description: 遗留系统现代化链（现代化 vs 维持 vs 重写判据与重写坟场警告→摸底考古(隐性功能/运行时打点摸真实用量)→特征测试锁现状→绞杀者模式深化(接缝/防腐层/流量分成)→数据迁移与双跑对账→切换回退→业务不停车的组织节奏→隐性依赖风险清单）。工程链遗留现代化子链:老系统改造立项、"重写还是重构"决策、迁移切换方案评审、改造改死了复盘时载入。
+version: 1.0.0
+---
+
+# 遗留系统现代化链
+
+engineering-chain 的遗留现代化子链。遗留系统=**还在挣钱但没人敢动的系统**——
+它的复杂不在代码,在"没人知道全部真相"。本链的任务:边飞边换引擎,还不能掉下来。
+
+## 第一判据:现代化 vs 维持 vs 重写
+
+| 选项 | 启用信号 | 警告 |
+|---|---|---|
+| 维持现状 | 变更频率低+风险可控+退役有日期 | 最被低估的正确选项:快退役的系统别投改造 |
+| 渐进现代化(默认) | 还要长期演进+变更越来越痛 | 本链主线 |
+| 推倒重写 | 极少成立 | **重写坟场警告**:老系统的"乱"里埋着十年业务规则,重写=用两年复刻你看不见的需求,期间业务停摆双系统并行——重写立项必须回答"凭什么这次不一样" |
+
+动因量化(eng-architecture 技术债利息口径):变更前置时间趋势/缺陷率/招不到人维护的技术栈风险——**"代码很丑"不是立项理由,"每个需求多花三倍时间"才是**。
+
+## 摸底考古（先侦察后动刀,eng-complex-env 侦察精神）
+
+- 代码考古:explain-codebase 画调用链与数据流;版本史考古(高频改动文件=活跃区,十年没动的=化石区——**活跃区优先现代化,化石区评估圈禁**);
+- **隐性功能清单**:没文档的行为=可能有人依赖(某个报表字段/某种容错/月底特殊逻辑)——访谈老人+工单考古+**运行时打点摸真实用量**(每个入口/功能加计数,跑一个业务周期:季度末年末的低频功能别漏),"砍掉没人用的功能"必须有数据背书;
+- 依赖普查:谁调它(上游清单)/它调谁/**谁直连它的库**(报表工具/Excel/其他系统直连库=最隐蔽的耦合,改 schema 就炸)/定时任务与脚本(crontab 考古);
+- 环境约束进档案(老运行时/老中间件,eng-complex-env 老旧约束)。
+
+## 特征测试先行（锁现状,再动手）
+
+改造前给现有行为拍照:**golden master**(灌一批真实输入,录当前输出为基准——对就是"和现在一样",不评判现在对不对)/录制回放(线上真实流量录制,改造后回放对比);
+覆盖策略:考古出的活跃区+资金与对外接口全覆盖,化石区抽样;
+**特征测试是改造的安全网**:没有它的重构叫赌博(refactor-safely 的遗留场景加强版);
+测出"现状就是错的"→单独立缺陷走业务确认(顺手修=行为变更混进重构,出问题分不清锅)。
+
+## 绞杀者模式深化
+
+1. **接缝识别**:找系统天然的切分线(按业务域/按入口/按数据边界)——第一刀选"耦合最少+价值可见"的模块(证明模式可行,给组织信心);
+2. **防腐层先行**(eng-integration):新模块与老系统之间立适配层,老系统的模型与怪癖不许渗入新代码——防腐层是临时的,随老模块退役而拆,**写清拆除日期**;
+3. 流量分成:入口层(infra-gateway 灰度路由)按功能/用户切流到新实现,老路径保留可回切;
+4. **旧路径下线有日期**:切流 100% 后旧代码限期删除(观察期 1-2 个业务周期)——"留着以防万一"的旧路径=永久双倍维护,下线要删代码删数据删监控,留档案;
+5. 节奏:一次绞杀一个模块,上一个稳定运行再动下一个(并行绞杀=风险乘法)。
+
+## 数据迁移与双跑对账
+
+数据迁移细则载 **db-migration**(六步法/三层校验/回退窗口);本链管改造特有的:
+**双跑对账**:新旧实现并行(影子流量:请求双发,老系统对外,新系统结果只记录)→逐日 diff(差异分类:新系统 bug/老系统本来就错/口径理解偏——**第三类最多,是隐性需求的最后捕网**)→差异清零或声明容忍→才许切真流量;
+对账期长度=至少一个完整业务周期(月结系统跑完一个月结);
+口径漂移防线:新老同源字典(data-governance),报表类改造必做数字级对账(finance 场景一分钱都要平)。
+
+## 切换与回退
+
+切换预演(等价环境全流程走一遍计时,eng-complex-env 等价验证);
+灰度切(按用户/按单据类型,eng-release)+**回退窗口声明**(切换后 N 天内可回老系统,期间数据反向同步——过了窗口回不去要昭告);
+只读过渡判据:切换瞬间老系统转只读(禁双写双主,arch-distributed);
+观察清单:业务指标(单量/金额勾稽)+技术指标+**用户投诉通道盯紧**(隐性功能受害者会在这冒出来)。
+
+## 组织与节奏（不停车改造的政治学）
+
+- **价值分期交付**:每季度有业务可感知的产出(快了/新能力/少出错)——两年憋大招的改造会在第 14 个月被砍预算;
+- 容量配比:改造与新需求并行(眼见的比例如 30/70,进 eng-planning 容量),**全员停止新需求搞改造=业务方反噬**;
+- 新需求进新不进老:改造期间新功能一律建在新侧(老系统冻结增功能,只修 P1)——否则追着一个移动靶迁移;
+- 团队配置:懂老系统的人+建新系统的人混编(纯新人团队改老系统=考古事故),知识传承走 eng-collaboration(结对/影子);
+- 里程碑与士气:绞杀进度可视化(模块地图红转绿),改造是马拉松,可见进度是燃料。
+
+## 隐性依赖风险清单（切换前逐项排查）
+
+直连库的报表/BI/Excel(改 schema 前查 DB 账号清单——**谁在连这个库**);
+定时任务与脚本(crontab/调度平台全量过一遍);
+邮件/文件接口(老系统悄悄发的 FTP 文件,下游靠它对账);
+硬编码 IP/域名的调用方(换地址要通知谁);
+浏览器兼容与客户端(老系统的用户还在 IE 内核?eng-ux 兼容矩阵);
+证书/密钥/白名单绑定(新系统出口 IP 变了,对方白名单要改,eng-integration)。
+
+**作业包**:`references/modernization-workbook.md`(立项判据卡/考古与隐性依赖排查表/绞杀推进表/双跑对账记录/切换检查单)。
+
+## 使用纪律
+
+无特征测试不重构;无运行时用量数据不砍功能;无对账不切换;旧路径下线有日期;
+每季度价值交付可展示;每次改造翻车回写隐性依赖清单——
+**遗留现代化的成熟度=惊喜出现的频率:好的改造,无聊到没人注意它在发生**。

package/skills/eng-legacy/references/modernization-workbook.md

@@ -0,0 +1,46 @@
+# 遗留现代化工作簿（eng-legacy 落笔件:考古→绞杀→切换全程记录）
+
+## 1. 立项判据卡(先算账再动刀)
+
+- 动因量化:变更前置时间趋势 __;缺陷率 __;"每个需求多花 __ 倍时间"(代码丑不是理由)
+- 三选一:□维持(退役日期 __) □渐进现代化 □重写(**回答:凭什么这次不一样?** __)
+
+## 2. 考古清单(动刀前逐项)
+
+- [ ] 版本史热区图:活跃区 __(优先改) / 化石区 __(评估圈禁)
+- [ ] **运行时打点已跑一个完整业务周期**(含季末/年末低频功能);用量报告:__
+- [ ] 隐性功能清单(访谈老人+工单考古):__
+- [ ] 环境约束档案(老运行时/中间件,eng-complex-env):__
+
+## 3. 隐性依赖排查表(切换前逐项打勾,漏一项=事故一枚)
+
+- [ ] 直连库的报表/BI/Excel(DB 账号清单核过:__)
+- [ ] 定时任务与脚本(crontab/调度平台全量:__)
+- [ ] 邮件/FTP/文件接口(下游靠它对账的:__)
+- [ ] 硬编码 IP/域名的调用方:__
+- [ ] 证书/密钥/白名单绑定(新出口 IP 要报备给:__)
+- [ ] 老客户端/浏览器兼容:__
+
+## 4. 绞杀推进表(一次一个模块,上一个稳了再动下一个)
+
+| 模块 | 接缝/防腐层(拆除日期!) | 特征测试(golden master 条数) | 切流比例与日期 | 旧路径下线日期 | 状态 |
+|---|---|---|---|---|---|
+
+## 5. 双跑对账记录(切真流量前差异清零或声明容忍)
+
+| 日期 | 请求量 | 差异数 | 分类(新bug/老系统本来就错/口径理解偏) | 处置 |
+|---|---|---|---|---|
+
+> 第三类(口径偏)最多——它是隐性需求的最后捕网;对账期 ≥ 一个完整业务周期。
+
+## 6. 切换检查单
+
+- [ ] 切换预演计时:__ 分钟(等价环境全流程)
+- [ ] 灰度方案:__;老系统转只读时刻:__(禁双写双主)
+- [ ] 回退窗口 __ 天(反向同步维持);**放弃回退点 __ 已昭告**
+- [ ] 观察清单:业务勾稽 __ /技术指标 __ /投诉通道盯守 __(隐性功能受害者从这冒头)
+
+## 7. 节奏自检(季度)
+
+- 本季度业务可感知产出:__(两年憋大招会在第 14 个月被砍预算)
+- 改造/新需求容量比 __/__;新功能进新不进老: □守住 □破例(理由+还债票)

package/skills/eng-observability/SKILL.md

@@ -0,0 +1,78 @@
+---
+name: eng-observability
+description: 可观测性链（指标/链路/日志三支柱分工+变更事件第四支柱→结构化日志分级纪律→RED/USE/业务指标规范与基数控制→TraceID 贯穿与采样→埋点标准→SLI/SLO 与错误预算燃烧率→告警治理三问与降噪→仪表盘三层信息架构→观测成本分层）。工程链可观测深耕:建监控体系、告警风暴治理、定 SLO、排障没数据、观测账单失控时载入。
+version: 1.0.0
+---
+
+# 可观测性链
+
+engineering-chain 的可观测子链。目标一句话:**任何线上问题,5 分钟内答出"哪坏了、坏多大、和什么变更有关"**。
+监控栈工程落地(Prometheus 架构/PromQL 判据/告警规则单测/基数治理/watchdog)载 **obs-prometheus**。
+
+## 三支柱+事件:分工与排障序
+
+指标(聚合趋势,便宜,先看)→ 链路(单请求哪一跳慢,中等)→ 日志(具体错误细节,贵,最后翻);
+**变更事件是第四支柱**:发布/配置/开关/扩缩容全部打事件流,排障第一问永远是"刚才改了什么"(eng-ops 同拍);
+排障动线固化:大盘定位异常服务(指标)→ 抽 trace 看慢在哪跳 → 拿 traceId 捞日志看为什么——反着来(先 grep 日志)=大海捞针。
+
+## 日志规范
+
+- 结构化 JSON;必带字段:时间戳(UTC+毫秒)/级别/服务名/版本/traceId/请求路径/耗时;用户标识用匿名 ID;
+- 分级纪律:**ERROR=需要人处理**(能自愈的不算)/WARN=自愈了但异常(重试成功/降级触发)/INFO=业务里程碑(下单成功/任务完成)/DEBUG=生产默认关;
+- **ERROR 零容忍治理**:每条 ERROR 要么修复、要么降级为 WARN——"已知错误,忽略即可"刷屏之日,就是真错误被淹没之时;
+- 敏感信息禁入日志:密码/证件/手机号/密钥(eng-security 红线,pre-commit 与评审双拦);
+- 错误日志三要素:在做什么/输入是什么(可脱敏)/异常栈完整——只打 "error!" 的日志是嘲讽不是记录。
+
+## 指标规范
+
+- 每服务标配 **RED**:请求率/错误率/时延分布(P50/P95/P99 直方图);每资源标配 **USE**:利用率/饱和度/错误;
+- 业务黄金指标单独一组:下单成功率/支付成功率/核心任务完成率——**技术全绿业务跌穿=只配了一半监控**;
+- 命名规范:`域_对象_动作_单位`(如 http_request_duration_seconds),单位进名字;
+- **基数控制红线**:label 禁放无界值(userId/orderId/URL 原文)——高基数=存储爆炸+查询卡死,url 收敛为路由模板。
+
+## 链路追踪
+
+TraceID 入口生成、跨服务透传(HTTP 头/MQ 消息属性)、**写进所有日志与对外错误响应**(用户报障带 traceId=定位时间除以十);
+采样策略:头部采样 1–10% 基线 + 错误与慢请求全采(尾部采样能力具备时);
+跨异步边界(MQ/定时任务)手动接续 trace 上下文——断链的 trace 只有半张地图。OpenTelemetry 统一 SDK,避免三家 agent 打架。
+
+## 埋点标准（产品行为数据）
+
+埋点需求进 DoR(eng-requirements):上线才想埋点=数据晚一个版本;
+事件命名 `域.对象.动作`(order.detail.view);公共属性统一注入(版本/渠道/端);
+埋点字典有 Owner 有登记(与 data-governance 字典同构);新埋点上线后 48h 内验数(埋错比不埋更毒——错数据带来错决策)。
+
+## SLI/SLO 与错误预算
+
+- SLI 选用户旅程关键点,少而准(可用性=成功请求/总请求;时延=P99 达标率;正确性=对账一致率);
+- SLO 从历史数据定(先观测 1–3 个月再承诺),**别拍"四个九"再倒推**;对外 SLA=SLO 打一档折(eng-ops);
+- 错误预算=1−SLO;燃烧率告警双窗口:1 小时烧掉月预算 2%=急(page),6 小时烧 5%=缓(工单);
+- 预算烧尽→冻结特性发布,只发稳定性修复(eng-release 联动,业务提前签认)。
+
+## 告警治理（治噪是治本）
+
+- **告警三问**(三否则删):需要人动手吗?需要现在动手吗?收到的人知道怎么动手吗(runbook 链接挂告警上);
+- 分级通道:P1 电话/短信叫醒、P2 IM 强提醒、P3 不打扰,日报聚合——**全都最高优先级=全都没有优先级**;
+- 降噪四术:聚合(同类 N 条合一)/抑制(上游挂了,下游依赖类告警自动静默)/变更窗口静默(发布期预期抖动)/阈值配持续时长(瞬时毛刺不叫);
+- 症状优先于原因:对"用户下单失败率"告警,而不是对每台机器 CPU 告警(CPU 高但业务无恙=不叫人);
+- **疲劳度月检**:响应率<50% 的告警重构或删除;夜间叫醒复盘每一条(叫醒了但无需动作=告警 bug,当周修)。
+
+## 仪表盘三层信息架构
+
+L1 全局健康大盘(黄金指标+SLO 状态,一屏,电视墙级)→ L2 服务详情(RED+资源+依赖状态)→ L3 排障下钻(按 traceId/维度切片);
+**每张盘回答一个明确问题**,回答不出问题的图撤掉;所有时序图叠加发布事件线(变更相关性一眼可见);
+盘也有 Owner 与季度巡检(无人看的盘=数字装饰画)。
+
+## 观测成本分层
+
+日志:热 7 天(全文检索)/温 30 天(压缩可查)/冷 365 天(归档合规),按级采样(DEBUG 不出机器,INFO 可采样,ERROR 全量);
+指标:基数月审,无人查询的指标降频或下线;链路:采样率按流量动态调;
+**成本红线:观测支出异动>20% 当月归因**(通常是某次发布带进了高基数 label 或日志洪水)。
+
+**作业包**:`scripts/slo-calc.py`(budget/burn/alert 三算:错误预算换算、燃烧率与烧尽预测、双窗口告警阈值建议)。
+
+## 使用纪律
+
+新服务上线准入=可观测三件套齐(RED 指标+结构化日志+trace 接入,eng-release 清单项);
+每次事件复盘必答:"哪个信号本可以更早发现?"缺的补上(eng-ops 三回写之一);
+观测配置(告警规则/仪表盘)进代码库版本化——**点出来的告警和点出来的资源一样,都是无主债**(eng-infra IaC 同则)。