Fügt erstmalig Arize-AX-Tracing zu einer LLM-Anwendung hinzu. Folgt einem zweiphasigen, agentengestützten Ablauf, um die Codebasis zu analysieren und nach Benutzerbestätigung die Instrumentierung zu implementieren. Verwenden Sie dies, wenn der Benutzer seine App instrumentieren, Tracing von Grund auf neu einrichten, LLM-Beobachtbarkeit einrichten, OpenTelemetry oder OpenInference integrieren oder mit Arize-Tracing beginnen möchte.
Diese Fähigkeit für KI-Agenten ermöglicht die erstmalige Integration von Arize-AX-Tracing in LLM-Anwendungen. Sie ist besonders nützlich für Entwickler, die ihre bestehenden LLM-Apps mit Tracing, Beobachtbarkeit oder OpenTelemetry-Integration ausstatten möchten. Der zweiphasige Ablauf analysiert zunächst die Codebasis, um die Implementierung zu planen, und führt diese nach Bestätigung durch den Benutzer aus. Unterstützt werden LLM-Frameworks und -Bibliotheken, die mit OpenInference kompatibel sind oder über OpenTelemetry instrumentiert werden können, wie z. B. LangChain, LlamaIndex oder eigene Python-LLM-Apps. Der Agent identifiziert relevante Code-Stellen, fügt automatisch Tracing-Bibliotheken und -Konfiguration hinzu und richtet Arize-Tracing-Endpunkte ein. Dies reduziert den manuellen Aufwand erheblich und beschleunigt die Einrichtung robuster LLM-Beobachtbarkeit.
npx skills add https://github.com/arize-ai/arize-skills/tree/main/skills/arize-instrumentationInstalled? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →
Fügt erstmalig Arize-AX-Tracing zu einer LLM-Anwendung hinzu. Folgt einem zweiphasigen, agentengestützten Ablauf, um die Codebasis zu analysieren und nach Benutzerbestätigung die Instrumentierung zu implementieren. Verwenden Sie dies, wenn der Benutzer seine App instrumentieren, Tracing von Grund auf neu einrichten, LLM-Beobachtbarkeit einrichten, OpenTelemetry oder OpenInference integrieren oder mit Arize-Tracing beginnen möchte.
This repo contains 2 individual skills — each has its own dedicated page.
Optimizes, improves, and debugs LLM prompts using production trace data, evaluations, and annotations. Extracts prompts from spans, gathers performance signal, and runs a data-driven optimization loop using the ax CLI. Use when the user mentions optimize prompt, improve prompt, make AI respond better, improve output quality, prompt engineering, prompt tuning, or system prompt improvement.
Downloads, exports, and inspects existing Arize traces and spans to understand what an LLM app is doing or debug runtime issues. Covers exporting traces by ID, spans by ID, sessions by ID, and root-cause investigation using the ax CLI. Use when the user wants to look at existing trace data, see what their LLM app is doing, export traces, download spans, investigate errors, or analyze behavior regressions.
Gemini CLI one-shot prompts, summaries, generation, skills, hooks, MCP, or Gemma routing.
Fetch GitHub issues, select candidates, spawn background fix agents, open PRs, and optionally process PR review comments.
Create, edit, audit, tidy, validate, or restructure AgentSkills and SKILL.md files.
Search, install, update, sync, or publish agent skills with the ClawHub CLI and registry.
Delegate coding work to Codex, Claude Code, or OpenCode as background workers; not simple edits or read-only code lookup.
List, configure, authenticate, call, and inspect MCP servers/tools with mcporter over HTTP or stdio.