1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | dora-metrics-harness-harness-skills |
| 作者/维护者 | Harness（harness 官方组织） |
| 来源链接 | https://github.com/harness/harness-skills/tree/main/skills/dora-metrics |
| 许可证 | Apache-2.0（GitHub API 获取，仓库级） |
| GitHub Stars / Forks | 合集仓库整体 74 / 14（GitHub API 获取；该数字属整个 harness-skills 合集，不代表本技能自身热度，取证方式见第 7 章） |
| 最新版本 | SKILL.md 声明 version 2.1.0；子目录最近一次实质提交于 2026-04-16（GitHub API 获取） |
| 安装方式 | 克隆仓库 + 配置 Harness MCP v2 Server（详见第 10 章） |
2. 功能介绍与亮点
dora-metrics 让 agent 通过自然语言取出并解读 Harness SEI（Software Engineering Insights）里的 DORA 四项核心指标——部署频率、变更前置时间、变更失败率、平均恢复时间（MTTR），无需在 Harness UI 里手动翻找报表。
- 单一资源统一六种变体：
sei_dora_metric一个资源类型通过metric参数切换六种取数（四项主指标 + 部署频率/变更失败率各自的逐条明细下钻），设计简洁，不必分别记忆六套调用方式 - 自带评级基准：内置 DORA 官方 Elite/High/Medium/Low 四档基准表，取数后可直接对照给出团队所处档位，而不是只吐一堆裸数字
- 固定报告模板：附带一份结构化报告格式（周期、团队、四指标表格+趋势、总体评级、改进建议），产出可直接粘贴使用
- 附带 AI 采用度指标：额外支持
sei_ai_adoption/sei_ai_impact/sei_ai_usage等指标，可一并查看团队使用 AI 工具后的采用率与影响 - 官方文档站专章收录：developer.harness.io 的 Harness Skills 文档页将其列入“Platform Intelligence”分组，未标注 Alpha/Internal，与仓库内其余正式技能同级
3. 适用场景
所属分类：DevOps 与基础设施
适合已经在用 Harness CI/CD 并开通 SEI 模块的工程管理者、DevOps/平台团队：需要定期产出团队交付效能报告、评估某团队部署频率或故障恢复速度处于 Elite/High/Medium/Low 哪一档、或想在周会前快速拿到一份可读的效能对比时，一句话描述需求即可让 agent 完成取数与解读，不必手动进入 SEI 控制台逐项导出。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库根目录 CLAUDE.md 导入 AGENTS.md，
skills/*/SKILL.md自动发现，README 给出具体克隆与启动步骤 - Codex：官方支持——README 明确列出 OpenAI Codex 的设置步骤（读取根目录 AGENTS.md 作为系统指令，并单独配置 MCP）
- OpenClaw：未验证——抓取材料未点名，仅笼统声明支持任何兼容系统指令/MCP/文件上下文的 AI 工具
- Hermes Agent：未验证——抓取材料未点名，理由同上
5. 推荐理由
把“团队交付效能到底怎么样”这类需要跨多个系统取数、再对照基准解读的工作，压缩成一句自然语言提问：agent 会自动选对六种指标变体之一、拉取真实 SEI 数据、套用官方 Elite/High/Medium/Low 基准给出评级，并按固定模板产出可直接使用的报告，省去工程管理者手动进出 SEI 控制台、记忆基准表的过程。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | Harness 官方出品且被官方开发者文档站专章收录（非 Alpha），但本子技能自身仅 3 次提交，仓库整体 73 stars 规模有限，未见独立于官方渠道的第三方讨论 |
| 可用性 | 8 | 单一资源+metric参数的调用方式简洁，文档含基准表、报告模板与故障排查段；但需要已配置好的 Harness 账号、SEI 模块与 MCP v2 Server，非零配置开箱即用 |
| 安全性 | 9 | 见下方检查清单 |
| 综合 | 8.0 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 不执行任意 shell 命令，全部通过 harness_get/harness_list 等只读 MCP 工具调用完成，无写入/删除类操作 |
| ② 联网外发 | 仅通过用户自行配置的 Harness MCP v2 Server 与用户自己的 Harness 账号通信，未见其他外发目标 |
| ③ 凭据存储 | 依赖 Harness MCP Server 自身的 API Key 配置（环境变量），技能正文不要求粘贴或落盘明文凭据 |
| ④ 可疑指令 | 全文未发现提示注入或隐蔽指令 |
| ⑤ 作者信誉 | Harness 为知名商业 CI/CD 平台厂商，harness 为其官方 GitHub 组织 |
| ⑥ License | Apache-2.0，明确（仓库级） |
| ⑦ 维护时间 | 子目录最近实质提交 2026-04-16，仓库整体最近一次提交 2026-07-07，非弃置项目 |
7. 跟同类 Skills 相比的优势
| 方案 | 定位 | 差异 |
|---|---|---|
| dora-metrics（本技能） | 对话式取出 Harness SEI 的 DORA 四项指标并对照官方基准出具报告 | 直接复用团队已有的 SEI 数据源，无需额外部署或建表，聚焦“效能怎么样”这一结果性问题 |
| debug-pipeline（同仓库姊妹技能） | 诊断单次流水线执行为什么失败、哪一步是瓶颈 | 面向单次执行的故障排查，是事中/事后的具体案例分析，不产出团队级长期趋势报告 |
| incident-response（同仓库姊妹技能） | 关联部署与生产事故、评估影响范围、生成复盘文档 | 面向单个事故的应急响应与复盘，不做跨周期的效能指标统计 |
| Four Keys（Google 开源，GoogleCloudPlatform/fourkeys） | 同样计算部署频率/前置时间/恢复时间/变更失败率四项 DORA 指标 | 免费开源但需自行部署 Cloud Run、Pub/Sub、BigQuery 与 Grafana 全套基础设施才能出图，且该仓库已于 2024 年 1 月起归档不再维护 |
| LinearB（商业 SaaS） | 工程效率平台，涵盖交付指标、AI 采用度分析、PR 自动路由等更广功能面 | 按月订阅付费（Essentials 版 29 美元/月起），跨 GitHub/GitLab/Bitbucket/Azure DevOps 通用，不绑定单一 CI/CD 平台，但功能更重、门槛也更高 |
8. 用户评价
该技能所在仓库目前仅有 Harness 内部工程师的提交与合并记录，第三方平台尚无独立的具名用户评价。
9. 其他补充
同仓库 Platform Intelligence 分组下还有 sei-analytics（迭代分析/投入分配/容量预测）、analyze-costs（云成本分析）等相邻技能，覆盖研发效能的其他侧面，可与 dora-metrics 搭配使用组成更完整的效能仪表盘。
10. 安装使用方式
git clone https://github.com/harness/harness-skills.git
cd harness-skills
claude在 ~/.claude/settings.json 中加入 Harness MCP v2 Server 配置：
{
"mcpServers": {
"harness-mcp-v2": {
"command": "npx",
"args": ["-y", "harness-mcp-v2"],
"env": { "HARNESS_API_KEY": "<your-api-key>" }
}
}
}安装后无需重启；在对话中输入 /dora-metrics 并描述需求（如“看看 X 团队最近一个月的部署频率和变更失败率处于什么水平”）即可触发，agent 会自动补全 team_ref_id、date_start、date_end、granularity 等必填参数。
11. 注意事项
- 必须已有 Harness 账号并开通 SEI 模块、配置好 Harness MCP v2 Server（含 API Key），无法离线或脱离 Harness 平台使用
- 取数前需确认 SEI 已完成 Git/CI/CD/工单系统等数据源集成，且目标团队（
team_ref_id）已在 SEI 中建好，否则会出现“无数据” - 新接入的集成需要等待一段采集与计算时间，指标才会稳定准确
- OpenClaw / Hermes Agent 的兼容性未见官方声明，跨 agent 使用前建议自行验证