@luanpdd/kit-mcp 1.35.0 → 1.36.0

package/kit/skills/burn-rate-alerting/SKILL.md

@@ -1,258 +1,258 @@
----
-name: burn-rate-alerting
-description: Use ao calcular burn rate predictive — lookahead/baseline window com fator 4×, context-aware vs short-term, fórmula de extrapolação para alert page vs ticket.
----
-
-# Observabilidade — Burn Rate Alerting
-
-## Quando usar
-
-LLM carrega esta skill ao configurar alertas SLO ou avaliar burn rate. Trigger phrases:
-
-- "burn rate alert", "burn rate forecast"
-- "lookahead window", "baseline window"
-- "predictive vs context-aware"
-- "quando paginar vs quando criar ticket"
-- "extrapolar exhaustão de budget"
-
-## Fórmula canônica
-
-```
-burn_rate = error_rate / (1 - SLO_target)
-```
-
-| Burn rate | Significado |
-|---|---|
-| 1× | Budget durará exatamente a janela do SLO |
-| 2× | Budget acabará em metade da janela |
-| 10× | Budget acabará em 1/10 da janela |
-| 100× | Budget esgotado em horas, não dias |
-
-**Predictive forecast (Cap 13 p145):**
-
-```
-projected_remaining_at_lookahead = current_remaining - (burn_rate_now × lookahead_window)
-ALERT iff projected_remaining_at_lookahead < 0
-```
-
-## Regras absolutas
-
-- **Lookahead ≤ 4× baseline** — extrapolar 4 horas a partir de baseline 1h é confiável; extrapolar 1 dia a partir de 1h é flappy. (Sem ajuste de seasonality)
-- **Sliding window 30d** para o SLO — alinha com customer memory (skill [`event-based-slos`](../skills/event-based-slos/SKILL.md))
-- **2 alertas por SLO** — short-term (page) + long-term (ticket). Não 1 só, não 5+.
-- **Short-term: lookahead 4h, baseline 1h** — paga on-call em horas
-- **Long-term: lookahead 3d, baseline 18h** — abre ticket, não acorda alguém
-- **Context-aware vs short-term** — escolher por trade-off de custo vs sensibilidade. Default short-term para a maioria; context-aware se "10% restante = mais urgente que 90%".
-- **Não alertar zero-level** — se você só alerta quando budget = 0, não há tempo de reagir. Use predictive sempre.
-
-## Patterns canônicos
-
-### Pattern: 2 alertas canônicos por SLO
-
-```yaml
-# PT-BR: para SLO 99.9% checkout_success com window 30d
-slo: checkout_success
-target: 0.999
-window: 30d_sliding
-
-alerts:
-  # PT-BR: PAGE — paginar on-call (urgent)
-  - name: short_term_burn
-    type: predictive
-    lookahead: 4h          # PT-BR: forecast 4h à frente
-    baseline: 1h           # PT-BR: 4× regra (4h ≤ 4× 1h ✓)
-    severity: page
-    threshold_burn_rate: 14.4   # PT-BR: 4h × 14.4 = ~58h, esgota budget de 30d×0.001 = 43.2min em <4h
-    routing: pagerduty:on-call
-  
-  # PT-BR: TICKET — criar ticket Jira/Linear (não-urgent)
-  - name: long_term_burn
-    type: predictive
-    lookahead: 3d
-    baseline: 18h          # PT-BR: 4× regra (3d ≤ 4× 18h = 72h ✓)
-    severity: ticket
-    threshold_burn_rate: 1.0    # PT-BR: 1× = vai esgotar em 30d se continuar
-    routing: jira:engineering
-```
-
-### Pattern: query de burn rate atual (Postgres)
-
-```sql
--- PT-BR: burn rate atual em janela baseline (último 1h)
--- Para SLO 99.9% checkout_success
-with baseline as (
-  select
-    sum(good) as good,
-    sum(bad) as bad,
-    sum(total) as total
-  from obs.sli_checkout_success
-  where bucket > now() - interval '1 hour'   -- baseline window
-)
-select
-  total,
-  bad,
-  bad::float / nullif(total, 0) as error_rate,
-  (bad::float / nullif(total, 0)) / (1 - 0.999) as burn_rate,
-  case
-    when bad::float / nullif(total, 0) >= 0.0144 then 'PAGE'   -- burn_rate ≥ 14.4
-    when bad::float / nullif(total, 0) >= 0.001 then 'TICKET'   -- burn_rate ≥ 1
-    else 'OK'
-  end as alert_status
-from baseline;
-```
-
-### Pattern: predictive forecast — esgotamento
-
-```sql
--- PT-BR: ETA exhaustão do budget em horas
-with current_state as (
-  select
-    sum(case when bucket > now() - interval '30 days' then bad else 0 end) as bad_30d,
-    sum(case when bucket > now() - interval '30 days' then total else 0 end) as total_30d,
-    sum(case when bucket > now() - interval '1 hour' then bad else 0 end) as bad_1h,
-    sum(case when bucket > now() - interval '1 hour' then total else 0 end) as total_1h
-  from obs.sli_checkout_success
-)
-select
-  -- PT-BR: budget restante em eventos
-  (1 - 0.999) * total_30d - bad_30d as remaining_budget,
-  -- PT-BR: taxa atual de queima (eventos/hora)
-  bad_1h::float / 1 as burn_per_hour,
-  -- PT-BR: ETA = budget restante / taxa
-  case
-    when bad_1h = 0 then 'NO_BURN'
-    else round(((1 - 0.999) * total_30d - bad_30d) / nullif(bad_1h, 0))::text || 'h'
-  end as eta_to_exhaustion
-from current_state;
-```
-
-### Pattern: context-aware vs short-term
-
-```text
-SHORT-TERM (cheap):
-  - Olha apenas baseline window (último 1h)
-  - Não considera quanto budget já foi gasto
-  - Mais barato; default para maioria
-  - Pode causar false positive se budget está cheio (90% restante)
-
-CONTEXT-AWARE (expensive):
-  - Considera budget remanescente
-  - "Remaining budget × tolerable_burn_rate ≥ lookahead × current_burn_rate"
-  - Mais caro (query SLO total + recente)
-  - Recomendado para SLOs de alto risco onde 10% restante > 90% restante
-```
-
-### Pattern: dashboard de burn rate (Markdown gerado por `/burn-rate-status`)
-
-```markdown
-# Burn Rate Status — 2026-05-06 14:32 UTC
-
-| SLO | Target | Window | Budget gasto | Burn rate atual | ETA exhaustão | Ação |
-|---|---|---|---|---|---|---|
-| checkout_success | 99.9% | 30d sliding | 23% | 1.4× | 12d | informativo |
-| login_success | 99.95% | 30d sliding | 78% | 8.0× | 4h | **PAGE on-call** |
-| search_latency | 99% | 30d sliding | 15% | 0.7× | — | OK |
-| admin_panel | (sem SLO) | — | — | — | — | — |
-```
-
-### Pattern: tightening alerts gradualmente
-
-```text
-SEMANA 1: SLO + alerts em test channel (não real page)
-SEMANA 2: SLO + alerts em low-priority email
-SEMANA 3-4: validar que SLO detecta incidents reais
-SEMANA 5+: alerts SLO viram primários, threshold antigos para test channel
-SEMANA 8+: deletar threshold antigos completamente
-
-PT-BR: case study Honeycomb (Cap 12 p135) — SLO detectou outage 8h antes
-       de threshold tradicional alertar. Confiança = deletar antigos.
-```
-
-## Anti-patterns
-
-### ANTI: 1 alerta apenas (zero-level)
-
-```text
-ANTI: alert dispara quando budget == 0 (totalmente exausto)
-
-PROBLEMA: você não tem tempo de reagir. Budget zerou, SLO violado, cliente afetado.
-
-CERTO: 2 alertas:
-  - Short-term: burn rate 14.4× → page (4h de runway)
-  - Long-term: burn rate 1× → ticket (3d de runway)
-```
-
-### ANTI: lookahead >> baseline
-
-```text
-ANTI: lookahead 1d a partir de baseline 1h (24×)
-
-PROBLEMA: extrapolação linear de janela curta para janela longa é inválida.
-          Ciclos diários, semanais, sazonalidades distorcem.
-          Alert flappa (entra/sai a cada hora).
-
-CERTO: lookahead ≤ 4× baseline (regra empírica do livro p145)
-       Para alertar 1d à frente: baseline ≥ 6h
-```
-
-### ANTI: burn rate threshold = 1×
-
-```text
-ANTI: page on-call quando burn rate >= 1× (igual à taxa que esgota a janela)
-
-PROBLEMA: 1× sustained durante 1 mês = budget zerou ao final.
-          Time tem 30d para reagir. NÃO é page-worthy.
-
-CERTO: page = 14.4× (esgota em 4h, ação imediata)
-       ticket = 1× (esgota em 30d, ação planejada)
-```
-
-### ANTI: burn rate calculation com janela errada
-
-```text
-ANTI: calcular burn rate sobre janela inteira de SLO (30d)
-
-PROBLEMA: smooth out spikes recentes. Você vê "compliance ok 99.7%" mesmo
-          quando última 1h queimou 30% do budget. Reage tarde.
-
-CERTO: burn rate sobre baseline window (1h ou 18h), comparado ao SLO inteiro
-       para avaliar remaining budget.
-```
-
-### ANTI: ignorar seasonality
-
-```text
-ANTI: alertar 1d à frente sem considerar que sábado tem 1/3 do tráfego
-
-PROBLEMA: false positive sexta à noite (sábado vai ser baixo);
-          false negative segunda de manhã (sábado foi baixo, segunda explode).
-
-CERTO: ou (a) usar baseline window grande o suficiente para capturar 1 ciclo
-            (≥ 24h cobre dia/noite; ≥ 7d cobre semana);
-       ou (b) modelar seasonality (cíclico) — context-aware burn alerts
-            que conhecem padrões.
-```
-
-## Verificação
-
-Antes de promover burn alerts a produção:
-
-1. **2 alertas por SLO** — short-term (page) + long-term (ticket)
-2. **Lookahead ≤ 4× baseline** — verifique aritmética em cada
-3. **Threshold burn rate calculado** — `target=99.9% → page=14.4×, ticket=1×`
-4. **Routing nomeado** — `pagerduty:on-call` ou `jira:engineering`
-5. **Test channel primeiro** — 1+ semana em low-priority antes de promover
-6. **SLO já provou valor** — detectou incident antes de threshold antigo
-7. **Documentação** — runbook de "o que fazer quando alert dispara"
-
----
-
-## Ver também
-
-- `kit/skills/_shared-observability/glossary.md` — burn rate, lookahead/baseline
-- `kit/skills/event-based-slos/SKILL.md` — SLO definition
-- `kit/skills/core-analysis-loop/SKILL.md` — investigar root cause após alert
-- `kit/agents/burn-rate-forecaster.md` — agente que calcula via SQL
-- `kit/commands/burn-rate-status.md` — comando que invoca forecaster
-
-*Material-fonte: Observability Engineering (O'Reilly, 2022) — Cap 13: "Acting on and Debugging SLO-Based Alerts".*
+---
+name: burn-rate-alerting
+description: Use ao calcular burn rate predictive — lookahead/baseline window com fator 4×, context-aware vs short-term, fórmula de extrapolação para alert page vs ticket.
+---
+
+# Observabilidade — Burn Rate Alerting
+
+## Quando usar
+
+LLM carrega esta skill ao configurar alertas SLO ou avaliar burn rate. Trigger phrases:
+
+- "burn rate alert", "burn rate forecast"
+- "lookahead window", "baseline window"
+- "predictive vs context-aware"
+- "quando paginar vs quando criar ticket"
+- "extrapolar exhaustão de budget"
+
+## Fórmula canônica
+
+```
+burn_rate = error_rate / (1 - SLO_target)
+```
+
+| Burn rate | Significado |
+|---|---|
+| 1× | Budget durará exatamente a janela do SLO |
+| 2× | Budget acabará em metade da janela |
+| 10× | Budget acabará em 1/10 da janela |
+| 100× | Budget esgotado em horas, não dias |
+
+**Predictive forecast (Cap 13 p145):**
+
+```
+projected_remaining_at_lookahead = current_remaining - (burn_rate_now × lookahead_window)
+ALERT iff projected_remaining_at_lookahead < 0
+```
+
+## Regras absolutas
+
+- **Lookahead ≤ 4× baseline** — extrapolar 4 horas a partir de baseline 1h é confiável; extrapolar 1 dia a partir de 1h é flappy. (Sem ajuste de seasonality)
+- **Sliding window 30d** para o SLO — alinha com customer memory (skill [`event-based-slos`](../skills/event-based-slos/SKILL.md))
+- **2 alertas por SLO** — short-term (page) + long-term (ticket). Não 1 só, não 5+.
+- **Short-term: lookahead 4h, baseline 1h** — paga on-call em horas
+- **Long-term: lookahead 3d, baseline 18h** — abre ticket, não acorda alguém
+- **Context-aware vs short-term** — escolher por trade-off de custo vs sensibilidade. Default short-term para a maioria; context-aware se "10% restante = mais urgente que 90%".
+- **Não alertar zero-level** — se você só alerta quando budget = 0, não há tempo de reagir. Use predictive sempre.
+
+## Patterns canônicos
+
+### Pattern: 2 alertas canônicos por SLO
+
+```yaml
+# PT-BR: para SLO 99.9% checkout_success com window 30d
+slo: checkout_success
+target: 0.999
+window: 30d_sliding
+
+alerts:
+  # PT-BR: PAGE — paginar on-call (urgent)
+  - name: short_term_burn
+    type: predictive
+    lookahead: 4h          # PT-BR: forecast 4h à frente
+    baseline: 1h           # PT-BR: 4× regra (4h ≤ 4× 1h ✓)
+    severity: page
+    threshold_burn_rate: 14.4   # PT-BR: 4h × 14.4 = ~58h, esgota budget de 30d×0.001 = 43.2min em <4h
+    routing: pagerduty:on-call
+  
+  # PT-BR: TICKET — criar ticket Jira/Linear (não-urgent)
+  - name: long_term_burn
+    type: predictive
+    lookahead: 3d
+    baseline: 18h          # PT-BR: 4× regra (3d ≤ 4× 18h = 72h ✓)
+    severity: ticket
+    threshold_burn_rate: 1.0    # PT-BR: 1× = vai esgotar em 30d se continuar
+    routing: jira:engineering
+```
+
+### Pattern: query de burn rate atual (Postgres)
+
+```sql
+-- PT-BR: burn rate atual em janela baseline (último 1h)
+-- Para SLO 99.9% checkout_success
+with baseline as (
+  select
+    sum(good) as good,
+    sum(bad) as bad,
+    sum(total) as total
+  from obs.sli_checkout_success
+  where bucket > now() - interval '1 hour'   -- baseline window
+)
+select
+  total,
+  bad,
+  bad::float / nullif(total, 0) as error_rate,
+  (bad::float / nullif(total, 0)) / (1 - 0.999) as burn_rate,
+  case
+    when bad::float / nullif(total, 0) >= 0.0144 then 'PAGE'   -- burn_rate ≥ 14.4
+    when bad::float / nullif(total, 0) >= 0.001 then 'TICKET'   -- burn_rate ≥ 1
+    else 'OK'
+  end as alert_status
+from baseline;
+```
+
+### Pattern: predictive forecast — esgotamento
+
+```sql
+-- PT-BR: ETA exhaustão do budget em horas
+with current_state as (
+  select
+    sum(case when bucket > now() - interval '30 days' then bad else 0 end) as bad_30d,
+    sum(case when bucket > now() - interval '30 days' then total else 0 end) as total_30d,
+    sum(case when bucket > now() - interval '1 hour' then bad else 0 end) as bad_1h,
+    sum(case when bucket > now() - interval '1 hour' then total else 0 end) as total_1h
+  from obs.sli_checkout_success
+)
+select
+  -- PT-BR: budget restante em eventos
+  (1 - 0.999) * total_30d - bad_30d as remaining_budget,
+  -- PT-BR: taxa atual de queima (eventos/hora)
+  bad_1h::float / 1 as burn_per_hour,
+  -- PT-BR: ETA = budget restante / taxa
+  case
+    when bad_1h = 0 then 'NO_BURN'
+    else round(((1 - 0.999) * total_30d - bad_30d) / nullif(bad_1h, 0))::text || 'h'
+  end as eta_to_exhaustion
+from current_state;
+```
+
+### Pattern: context-aware vs short-term
+
+```text
+SHORT-TERM (cheap):
+  - Olha apenas baseline window (último 1h)
+  - Não considera quanto budget já foi gasto
+  - Mais barato; default para maioria
+  - Pode causar false positive se budget está cheio (90% restante)
+
+CONTEXT-AWARE (expensive):
+  - Considera budget remanescente
+  - "Remaining budget × tolerable_burn_rate ≥ lookahead × current_burn_rate"
+  - Mais caro (query SLO total + recente)
+  - Recomendado para SLOs de alto risco onde 10% restante > 90% restante
+```
+
+### Pattern: dashboard de burn rate (Markdown gerado por `/burn-rate-status`)
+
+```markdown
+# Burn Rate Status — 2026-05-06 14:32 UTC
+
+| SLO | Target | Window | Budget gasto | Burn rate atual | ETA exhaustão | Ação |
+|---|---|---|---|---|---|---|
+| checkout_success | 99.9% | 30d sliding | 23% | 1.4× | 12d | informativo |
+| login_success | 99.95% | 30d sliding | 78% | 8.0× | 4h | **PAGE on-call** |
+| search_latency | 99% | 30d sliding | 15% | 0.7× | — | OK |
+| admin_panel | (sem SLO) | — | — | — | — | — |
+```
+
+### Pattern: tightening alerts gradualmente
+
+```text
+SEMANA 1: SLO + alerts em test channel (não real page)
+SEMANA 2: SLO + alerts em low-priority email
+SEMANA 3-4: validar que SLO detecta incidents reais
+SEMANA 5+: alerts SLO viram primários, threshold antigos para test channel
+SEMANA 8+: deletar threshold antigos completamente
+
+PT-BR: case study Honeycomb (Cap 12 p135) — SLO detectou outage 8h antes
+       de threshold tradicional alertar. Confiança = deletar antigos.
+```
+
+## Anti-patterns
+
+### ANTI: 1 alerta apenas (zero-level)
+
+```text
+ANTI: alert dispara quando budget == 0 (totalmente exausto)
+
+PROBLEMA: você não tem tempo de reagir. Budget zerou, SLO violado, cliente afetado.
+
+CERTO: 2 alertas:
+  - Short-term: burn rate 14.4× → page (4h de runway)
+  - Long-term: burn rate 1× → ticket (3d de runway)
+```
+
+### ANTI: lookahead >> baseline
+
+```text
+ANTI: lookahead 1d a partir de baseline 1h (24×)
+
+PROBLEMA: extrapolação linear de janela curta para janela longa é inválida.
+          Ciclos diários, semanais, sazonalidades distorcem.
+          Alert flappa (entra/sai a cada hora).
+
+CERTO: lookahead ≤ 4× baseline (regra empírica do livro p145)
+       Para alertar 1d à frente: baseline ≥ 6h
+```
+
+### ANTI: burn rate threshold = 1×
+
+```text
+ANTI: page on-call quando burn rate >= 1× (igual à taxa que esgota a janela)
+
+PROBLEMA: 1× sustained durante 1 mês = budget zerou ao final.
+          Time tem 30d para reagir. NÃO é page-worthy.
+
+CERTO: page = 14.4× (esgota em 4h, ação imediata)
+       ticket = 1× (esgota em 30d, ação planejada)
+```
+
+### ANTI: burn rate calculation com janela errada
+
+```text
+ANTI: calcular burn rate sobre janela inteira de SLO (30d)
+
+PROBLEMA: smooth out spikes recentes. Você vê "compliance ok 99.7%" mesmo
+          quando última 1h queimou 30% do budget. Reage tarde.
+
+CERTO: burn rate sobre baseline window (1h ou 18h), comparado ao SLO inteiro
+       para avaliar remaining budget.
+```
+
+### ANTI: ignorar seasonality
+
+```text
+ANTI: alertar 1d à frente sem considerar que sábado tem 1/3 do tráfego
+
+PROBLEMA: false positive sexta à noite (sábado vai ser baixo);
+          false negative segunda de manhã (sábado foi baixo, segunda explode).
+
+CERTO: ou (a) usar baseline window grande o suficiente para capturar 1 ciclo
+            (≥ 24h cobre dia/noite; ≥ 7d cobre semana);
+       ou (b) modelar seasonality (cíclico) — context-aware burn alerts
+            que conhecem padrões.
+```
+
+## Verificação
+
+Antes de promover burn alerts a produção:
+
+1. **2 alertas por SLO** — short-term (page) + long-term (ticket)
+2. **Lookahead ≤ 4× baseline** — verifique aritmética em cada
+3. **Threshold burn rate calculado** — `target=99.9% → page=14.4×, ticket=1×`
+4. **Routing nomeado** — `pagerduty:on-call` ou `jira:engineering`
+5. **Test channel primeiro** — 1+ semana em low-priority antes de promover
+6. **SLO já provou valor** — detectou incident antes de threshold antigo
+7. **Documentação** — runbook de "o que fazer quando alert dispara"
+
+---
+
+## Ver também
+
+- `kit/skills/_shared-observability/glossary.md` — burn rate, lookahead/baseline
+- `kit/skills/event-based-slos/SKILL.md` — SLO definition
+- `kit/skills/core-analysis-loop/SKILL.md` — investigar root cause após alert
+- `kit/agents/burn-rate-forecaster.md` — agente que calcula via SQL
+- `kit/commands/burn-rate-status.md` — comando que invoca forecaster
+
+*Material-fonte: Observability Engineering (O'Reilly, 2022) — Cap 13: "Acting on and Debugging SLO-Based Alerts".*