1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | cloud-monitoring-chart-generation-google-skills（SKILL.md 自述名称：“Cloud Monitoring Chart Generation Skill (cloud-monitoring-chart-generation)”） |
GitHub 仓库 + SKILL.md |
| 作者/维护者 | Google（官方 google/skills 仓库） |
GitHub API |
| 来源链接 | https://github.com/google/skills/tree/main/skills/cloud/cloud-monitoring-chart-generation | — |
| 许可证 | Apache License 2.0 | GitHub API 实测 |
| GitHub Stars / Forks | 所属仓库 18,135 / 1,433（整仓库口径——google/skills 是 Google 官方发布的多技能合集，星数不代表单个技能自身热度） |
GitHub API 实测（2026-08-14） |
| 最新版本 | 无独立版本号，子目录最近一次提交 2026-08-12 | GitHub commits API 实测 |
| 安装方式 | npx skills add google/skills（安装时可从列表中勾选本技能），或手动复制子目录到对应 agent 的 skills 目录 |
官方 README 实测 |
2. 功能介绍与亮点
Google Cloud Monitoring 的仪表盘组件（Widget）以 google.monitoring.dashboard.v1.Widget Protocol Buffer 文本格式定义，字段众多且要求与 PromQL / ListTimeSeries 查询语义严格对应，手写容易出错。本技能把“已经写好的监控查询”转成“可直接喂给 Dashboards API 的图表定义”这一步自动化：
- 三阶段流水线：Stage 1（
compute_labels.py）根据指标名、资源类型、单位计算候选标签与单位换算；Stage 2 由 Agent 综合上下文推理出标题、坐标轴标签、图表类型（折线/堆叠面积）与单位覆盖值；Stage 3（assemble_widget_proto.py）组装成最终 textproto 并写入带 UUID 的文件名，避免并行执行冲突 - 强制校验与自动重试：
validate_chart.py对生成结果做 schema 校验，失败时最多自动重试 2 次，仍失败则如实告知用户并给出当前最佳结果，而不是静默产出错误定义 - 数据完整性护栏：明文要求“必须逐字符透传用户提供的原始查询字符串，禁止改写或臆测”，防止 Agent 在转换过程中悄悄篡改监控查询语义
- 零外部依赖：
requirements.txt注明核心脚本仅使用 Python 3.10+ 标准库，无需安装任何第三方 PyPI 包即可运行 - 自带单元测试：四个脚本均配有对应的
_test.py，覆盖标签计算、Protobuf 组装、文本格式化与校验逻辑，可自行运行验证正确性 - 沙箱降级方案：若运行环境无法执行 Python 脚本，技能会直接在对话中输出完整 textproto，并附上本地可复核的验证命令
3. 适用场景
所属分类：数据分析与可视化
适合已经在使用 GCP Cloud Monitoring、需要把 PromQL 或 ListTimeSeries 查询结果批量转成仪表盘图表定义的运维工程师、SRE 与数据可视化开发者，尤其适合通过声明式流水线（gcloud CLI、Dashboards API、IaC）批量铺设监控看板的场景——省去手工比对 Protobuf 字段规范的过程。
4. 跨 Agent 兼容性
技能文件通过 npx skills 通用安装器（vercel-labs/skills）分发，其官方 README 明确列出 Claude Code（.claude/skills/）、Codex（.agents/skills/）、OpenClaw（skills/）、Hermes Agent（.hermes/skills/）四个生态各自的安装路径，均可原生装入。
与同仓库其他技能不同，本技能运行时不依赖任何 MCP 服务器或 GCP 账号鉴权——它只对已由用户/Agent 提供的查询 JSON 做本地转换，执行的是纯 Python 标准库脚本，不发起任何网络调用。因此四个生态在安装与运行两层均判原生支持，没有额外配置门槛。
5. 推荐理由
监控仪表盘的图表定义是典型的“格式规范严格、人工易错”的中间产物：Widget textproto 的字段组合规则（time_series_filter 与 prometheus_query 互斥、单位换算规则、字段命名）几乎不可能靠记忆保证正确。本技能把这一步固化为经过单元测试的确定性脚本，Agent 只负责语义判断（图表类型、标题措辞），机械部分交给代码执行并强制校验，比让 Agent 直接手写 Protobuf 文本更可靠，也比同仓库聚焦“该看哪些指标”的技能更进一步，覆盖了“选定指标之后如何呈现”这一完整闭环的最后一步。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 官方 Google 出品，隶属仓库整体 18,135 stars 的官方技能合集；该数字属整个合集，不代表本技能自身热度，子目录提交均来自 Google 内部发布渠道，暂无外部社区讨论可佐证更高档位 |
| 可用性 | 9 | 核心脚本零第三方依赖（仅 Python 3.10+ 标准库）、文档含完整分阶段示例与故障排查协议、四个脚本均自带单元测试、子目录最近一次提交为 2026-08-12（近期维护），且运行不要求 GCP 账号或付费资源 |
| 安全性 | 9 | 见下方检查清单 |
| 综合 | 8.33 | 三项均值 |
安全检查清单：
① Shell 命令及权限范围：无 shell 执行，仅本地调用 python3 运行三个范围明确的脚本（读写本地文本文件），无系统级或提权操作。
② 联网外发：脚本本身不发起任何网络请求；SKILL.md 中的外部链接仅为人工阅读的官方文档，不被脚本抓取。
③ 凭据处理：不要求任何 API key 或 GCP 凭据，转换过程完全本地化。
④ 可疑指令：通读 SKILL.md 与全部脚本源码列表，未发现隐藏指令、混淆代码或异常外发；文中的“强制规则”均是约束 Agent 行为正确性（如禁止篡改查询），非注入迹象。
⑤ 作者信誉：Google 官方仓库出品，第三方报道证实该仓库设有标准化贡献审查、自动化元数据校验与每周回归测试，无造假迹象。
⑥ License：Apache License 2.0，明确清晰。
⑦ 最近维护：子目录最近一次代码提交 2026-08-12，属近期维护。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
| promql-grafana-skills | Grafana 官方技能，教 Agent 为 Prometheus 编写正确的 PromQL 查询本身，聚焦“怎么问对问题” | 本技能处理的是下游一步——把已经写好的 PromQL/ListTimeSeries 查询转成 GCP Cloud Monitoring 的图表定义，两者可衔接使用但服务的平台（Prometheus/Grafana vs. GCP Cloud Monitoring）与产出物（查询语句 vs. 图表 Protobuf）都不同 |
| tufte-data-viz | 只读规则集，为 matplotlib/plotly 等 6 种通用图表库统一套用 Tufte 式简洁图表标准，产出的是代码风格建议 | 面向任意图表库的美学规范，不绑定具体产品；本技能产出的是可被 GCP Dashboards API 直接消费的、经 schema 校验的具体 Protobuf 文件，专为单一目标系统服务 |
| grafana-oss-grafana-skills | Grafana 官方技能，覆盖仪表盘、数据源、RBAC 权限的整套声明式配置，是更宽的“从零搭看板”流程 | 定位在配置与权限层，产出面更广但更粗；本技能只做“图表定义生成”这一窄而深的环节，且服务对象是 GCP Cloud Monitoring 而非 Grafana |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。google/skills 仓库整体已获得科技媒体报道，内容集中在仓库层面的治理机制（标准化贡献审查、自动化元数据与链接校验、内部评测套件与每周回归测试），未提及本技能本身的使用反馈。
9. 其他补充
该技能在仓库 README 中归入“Management tools”分类，同分类下还有 Cloud Logging 查询语句生成、GKE 成本分析与可观测性配置等技能，均围绕 GCP 资源的日常运维展开，可视需要组合安装。
10. 安装使用方式
- 通过安装器：
npx skills add google/skills，安装过程中从技能列表勾选cloud-monitoring-chart-generation - 手动安装：克隆或下载
google/skills仓库后，将skills/cloud/cloud-monitoring-chart-generation/整个目录（含SKILL.md与scripts/）复制到目标 agent 的 skills 目录下 - 安装后注意事项：无需重启或额外鉴权；触发方式为在对话中提供已解析好的 PromQL 或 ListTimeSeries 查询及指标元数据，Agent 会按 SKILL.md 描述的三阶段流程自动调用脚本产出并校验 textproto
11. 注意事项
- 本技能不负责生成或校验 PromQL 查询本身、也不做指标发现——这些属于同仓库
cloud-monitoring-metric-selection等其他技能的职责范围，需配合使用 - 生成的 textproto 需要用户自行通过 gcloud CLI、Dashboards API 或 IaC 工具实际提交到 GCP 才能生效，本技能只负责产出定义文件本身
- 若运行环境限制脚本执行（如受限沙箱），技能会退化为纯文本输出模式，此时需用户自行用文档提供的本地命令做二次校验