llm-obs-elastic-agent-skills

1. 基本信息

项目	内容
名称	llm-obs-elastic-agent-skills
作者/维护者	Elastic（官方）
来源链接	https://github.com/elastic/agent-skills/tree/main/skills/observability/llm-obs
许可证	Apache-2.0（数据来自 GitHub API）
GitHub Stars	545（`elastic/agent-skills` 合集仓库整体数字，非该子技能单独热度；数据来自 GitHub API）
Forks	44（同上，合集整体；数据来自 GitHub API）
最新版本	v0.1.0（数据来自 SKILL.md 元数据）
安装方式	Claude Code 插件市场 / `npx skills` CLI / 本地克隆脚本

2. 功能介绍与亮点

llm-obs 教 AI Agent 用 Elastic 自身已摄入的数据回答关于 LLM 与 Agentic 应用的监控问题：性能延迟、token 用量与成本、响应质量，以及多步调用链的编排情况。核心能力：

自动识别数据来源：区分 Elastic APM Agent 写入的 traces* 索引与 OpenTelemetry（含 Elastic 自家的 EDOT 发行版，以及 OpenLLMetry、OpenLIT、Langtrace 等第三方 OTel 导出器）写入的 traces-generic.otel-default 等数据流，先探测部署实际使用了哪条摄入路径再查询，避免查错数据源。
用 ES|QL 查询而非依赖 Kibana 界面：文件内置了成段可直接复用的查询模板，覆盖按模型、按调用链聚合成本与延迟等常见分析场景。
归属 Elastic 可观测性技能矩阵：是 elastic/agent-skills 在 2026 年 3 月与日志检索、SLO 管理、服务健康三个技能一起发布的第五个可观测性技能，Elastic Observability Labs 官方博客对每个技能都有独立段落介绍。
零依赖单文件：目录内只有一份 SKILL.md，没有配套脚本，把这个 skill 复制/安装进 agent 技能目录这一步骤本身没有额外依赖。

亮点是聚焦当下越来越现实的一个细分场景——监控 LLM/Agent 应用自身的运行成本与质量，而不是传统面向应用日志或基础设施的可观测性技能；同时背靠一线可观测性厂商官方出品、开源可审计。

3. 适用场景

固定分类：DevOps 与基础设施。适合已在使用 Elastic Observability、或正给自家 LLM/Agent 应用接入 OpenTelemetry 的工程师与 SRE：当团队想知道“这条 Agent 调用链哪一步最贵/最慢”“某个模型的响应质量是否在退化”“token 消耗趋势如何”，可以直接用自然语言让 Claude Code 等 Agent 查出结果，不必先学 ES|QL 语法或在 Kibana 里手动拼查询。对正在构建 AI Agent 产品、需要持续监控自家 Agent 运行状态的初中级开发者也很实用。

4. 跨 Agent 兼容性

Claude Code：原生支持。仓库提供官方插件市场（claude plugin marketplace add 后 claude plugin install observability@elastic-agent-skills），也可用 npx skills 单独安装该技能。
Codex：支持。npx skills（vercel-labs/skills）官方支持列表中列出 codex 为可安装目标 agent。
OpenClaw：支持。同一 CLI 支持列表中列出 openclaw。
Hermes Agent：支持。同一 CLI 支持列表中列出 hermes-agent。

以上判断依据均为 npx skills 官方文档列出的目标 agent 清单；本技能内容是通用 Markdown 指令加 ES|QL 示例，不依赖 Claude Code 专属机制。

5. 推荐理由

一线可观测性厂商 Elastic 官方出品、开源可审计，填补了“监控 Agent/LLM 应用自身运行状况”这一细分需求——用自然语言即可查清 token 成本、延迟与响应质量，不必手写 ES|QL 或在 Kibana 里点鼠标。安装本身零依赖（纯单文件，无需额外脚本），已经在跑 Elastic Observability 的团队可以立即用起来。

6. 评分

维度	分数	说明
受欢迎程度	8	Elastic Observability Labs 官方博客（2026-03-16，作者 Bahubali Shetti）对该技能有独立介绍段落，与同批发布的其余四个可观测性技能一起推出；作者为一线可观测性厂商 Elastic 官方团队
可用性	9	目录内仅一份 SKILL.md、无配套脚本，安装这一步骤零依赖；文档内置可直接复用的 ES
安全性	8	见下方安全检查清单

安全检查清单： ① 无 shell 命令执行，纯文本指令 + ES|QL/Kibana API 查询　② 仅连接用户自己已部署的 Elasticsearch/Kibana 实例，不外发给第三方　③ 需要用户已有的 Elasticsearch/Kibana API key 或账号凭据，凭据来源与使用方式在文档中写明　④ 全文通读未发现隐蔽指令或混淆代码　⑤ 作者为 Elastic 官方团队，信誉良好　⑥ License 为 Apache-2.0，明确　⑦ 所属仓库最近一次提交为 2026-07-22，整体仍在活跃维护；该子技能自身随合集在 2026 年 3 月批量发布后未见后续更新

7. 跟同类 Skills 相比的优势

技能	定位	与本技能的差异
Arize `arize-instrumentation`	自动为 LLM 应用接入 Arize 平台的链路追踪埋点	解决的是“把追踪数据送进 Arize”这一环，需要引入 Arize 独立平台与其 `ax` CLI；llm-obs 假设数据已经在 Elastic 里，直接做查询分析，不额外引入新平台
Arize `arize-trace`	配合 Arize 官方 `ax` CLI 导出并排查 LLM 应用的报错与延迟	面向 Arize 生态内的调试工作流，产出以 trace/span 为单位；llm-obs 更偏成本、质量、调用链整体趋势的聚合分析，查询语言是通用的 ES
Datadog LLM Observability（商业 SaaS 产品，非 SKILL.md 形式的技能包）	全家桶式 LLM 监控	需要采购 Datadog 商业方案；llm-obs 依托用户已有的 Elastic 部署（含可自托管的开源版本），额外接入成本更低

三者服务的都是“监控 LLM/Agent 应用”这个大方向，但对应不同的底层可观测性平台——用户已经在用哪个平台，就该选对应的技能，而不是相互替代关系。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价；已确认其被 Cursor 官方技能市场收录上架，是目前唯一可验证的独立分发证据。

9. 安装使用方式

Claude Code 插件市场（推荐）：

claude plugin marketplace add https://github.com/elastic/agent-skills
claude plugin install observability@elastic-agent-skills

注意：该命令会安装整个 observability 类目（含 llm-obs 及其余可观测性技能），安装后如未在 /reload-plugins 中立即出现，需重启 Claude Code 会话。

npx skills CLI（单独安装本技能）：

npx skills add elastic/agent-skills --skill observability-llm-obs

可用 -a 参数指定目标 agent（如 codex、openclaw、hermes-agent）。

本地克隆：

git clone https://github.com/elastic/agent-skills.git
cd agent-skills
./scripts/install-skills.sh add -s observability-llm-obs -a <agent>

使用前需已有可访问的 Elasticsearch/Kibana 实例及相应 API key，且该实例已通过 APM Agent 或 OpenTelemetry（EDOT/OpenLLMetry 等）摄入 LLM/Agent 相关的追踪或指标数据。

10. 注意事项

该技能仅是查询层，本身不负责埋点：使用前必须已有 LLM/Agent 应用的追踪或指标数据被摄入 Elastic（通过 APM Agent 或 OpenTelemetry），否则无数据可查。
官方仓库标注该合集处于 Technical Preview（早期发布）阶段，接口与行为可能随版本迭代变化。
README 明确提示：AI Agent 在处理告警、日志等安全相关数据时可能接触到攻击者可控的输入，存在提示注入风险；官方建议先在非生产环境（试用项目、开发集群或独立 Kibana 空间）验证行为后再接入真实数据。
该子技能自 2026 年 3 月随合集批量发布后暂未见后续版本迭代，如需长期使用建议关注仓库更新。