arize-instrumentation
Faz seu agente adicionar rastreamento ao seu aplicativo de IA. Ele analisa o código e implementa as mudanças para melhorar a observabilidade.
O que ela faz
Esta ferramenta ajuda a adicionar um sistema de rastreamento chamado Arize AX ao seu aplicativo de inteligência artificial. Isso permite que você veja como seu aplicativo está funcionando por dentro.
Quando usar
- ✓Quando você quer adicionar rastreamento Arize AX ao seu aplicativo.
- ✓Quando você quer configurar a observabilidade do seu LLM do zero.
- ✓Quando você quer integrar o OpenTelemetry ou OpenInference.
Exemplo do que pedir para a IA
“Configure o rastreamento no meu aplicativo com Arize.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta primeiro analisa seu código para entender como ele funciona, sem fazer alterações. Depois, ela sugere e implementa as mudanças necessárias para adicionar o rastreamento, pedindo sua confirmação.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add github/awesome-copilot --skill arize-instrumentationOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/arize-instrumentation/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Habilidade de Instrumentação Arize
Use esta habilidade quando o usuário quiser adicionar rastreamento Arize AX à sua aplicação. Siga o fluxo assistido por agente em duas fases de Configuração de Rastreamento Assistido por Agente e Rastreamento Arize AX — Prompt de Configuração do Agente.
Início rápido (para o usuário)
Se o usuário pedir para você "configurar o rastreamento" ou "instrumentar meu aplicativo com Arize", você pode começar com:
Siga as instruções de https://arize.com/docs/PROMPT.md e me faça perguntas conforme necessário.
Em seguida, execute as duas fases abaixo.
Princípios centrais
- Prefira inspeção em vez de mutação — entenda a base de código antes de alterá-la.
- Não altere a lógica de negócios — o rastreamento é puramente aditivo.
- Use a auto-instrumentação onde disponível — adicione spans manuais apenas para lógica personalizada não coberta por integrações.
- Siga o estilo de código existente e as convenções do projeto.
- Mantenha a saída concisa e focada na produção — não gere documentação extra ou arquivos de resumo.
- NUNCA incorpore valores literais de credenciais no código gerado — sempre referencie variáveis de ambiente (por exemplo,
os.environ["ARIZE_API_KEY"],process.env.ARIZE_API_KEY). Isso inclui chaves de API, IDs de espaço e quaisquer outros segredos. O usuário os define em seu próprio ambiente; o agente nunca deve exibir valores brutos de segredos.
Fase 0: Verificação prévia do ambiente
Antes de alterar o código:
- Confirme se o escopo do repositório/serviço está claro. Para monorepos, não presuma que todo o repositório deve ser instrumentado.
- Identifique a superfície de tempo de execução local que você precisará para verificação:
- gerenciador de pacotes e comando de inicialização do aplicativo
- se o aplicativo é de longa duração, baseado em servidor ou um CLI/script de curta duração
- se
axserá necessário para verificação pós-alteração
- NÃO verifique proativamente a instalação ou versão do
ax. Seaxfor necessário para verificação posteriormente, basta executá-lo quando chegar a hora. Se falhar, consulte references/ax-profiles.md. - Nunca substitua silenciosamente um ID de espaço, nome de projeto ou ID de projeto fornecido pelo usuário. Se o CLI, o coletor e a entrada do usuário discordarem, apresente essa discrepância como um bloqueador concreto.
Fase 1: Análise (somente leitura)
Não escreva nenhum código nem crie nenhum arquivo durante esta fase.
Etapas
Verifique os manifestos de dependência para detectar a pilha:
- Python:
pyproject.toml,requirements.txt,setup.py,Pipfile - TypeScript/JavaScript:
package.json - Java:
pom.xml,build.gradle,build.gradle.kts - Go:
go.mod
- Python:
Analise as instruções de importação nos arquivos de origem para confirmar o que está realmente sendo usado.
Verifique se há rastreamento/OTel existente — procure por importações
TracerProvider,register(),opentelemetry, variáveis de ambienteARIZE_*,OTEL_*,OTLP_*, ou outra configuração de observabilidade (Datadog, Honeycomb, etc.).Identifique o escopo — para monorepos ou projetos multisserviço, pergunte qual(is) serviço(s) instrumentar.
O que identificar
| Item | Exemplos |
|---|---|
| Linguagem | Python, TypeScript/JavaScript, Java, Go |
| Gerenciador de pacotes | pip/poetry/uv, npm/pnpm/yarn, maven/gradle, go modules |
| Provedores de LLM | OpenAI, Anthropic, LiteLLM, Bedrock, etc. |
| Frameworks | LangChain, LangGraph, LlamaIndex, Vercel AI SDK, Mastra, etc. |
| Rastreamento existente | Qualquer configuração OTel ou de fornecedor |
| Uso de ferramenta/função | Uso de ferramentas de LLM, chamadas de função ou ferramentas personalizadas que o aplicativo executa (por exemplo, em um loop de agente) |
Regra chave: Quando um framework é detectado junto com um provedor de LLM, inspecione primeiro a documentação de rastreamento específica do framework e prefira o caminho de integração nativo do framework quando ele já captura os spans do modelo e da ferramenta que você precisa. Adicione instrumentação de provedor separada apenas quando a documentação do framework exigir ou quando a integração nativa do framework deixar lacunas óbvias. Se o aplicativo executa ferramentas e a integração do framework não emite spans de ferramenta, adicione spans de FERRAMENTA manuais para que cada invocação apareça com entrada/saída (veja Enriquecendo rastros abaixo).
Saída da Fase 1
Retorne um resumo conciso:
- Linguagem detectada, gerenciador de pacotes, provedores, frameworks
- Lista de integração proposta (da tabela de roteamento na documentação)
- Qualquer OTel/rastreamento existente que precise de consideração
- Se monorepo: qual(is) serviço(s) você propõe instrumentar
- Se o aplicativo usa uso de ferramentas de LLM / chamadas de função: observe que você adicionará spans manuais de CHAIN + TOOL para que cada chamada de ferramenta apareça no rastreamento com entrada/saída (evita rastros esparsos).
…
Perguntas frequentes
O que é rastreamento (tracing)?
Rastreamento é como um diário detalhado que registra cada passo que seu aplicativo dá. Isso ajuda a entender o que está acontecendo, encontrar erros e otimizar o desempenho.
O que é Arize AX?
Arize AX é uma plataforma que ajuda a monitorar e entender o desempenho de aplicativos de inteligência artificial, usando o rastreamento para fornecer insights.
A ferramenta vai mudar meu código principal?
Não, a ferramenta foi projetada para adicionar rastreamento sem alterar a lógica principal do seu aplicativo. Ela apenas adiciona informações de monitoramento.
Detalhes
Descrição original do autor
Adds Arize AX tracing to an LLM application for the first time. Follows a two-phase agent-assisted flow to analyze the codebase then implement instrumentation after user confirmation. Use when the user wants to instrument their app, add tracing from scratch, set up LLM observability, integrate OpenTelemetry or openinference, or get started with Arize tracing.
repo: github/awesome-copilot
Popularidade
- Estrelas no GitHub
- 40 mil
- Posição no ranking
- #5005
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
acquire-codebase-knowledge
Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.
github/awesome-copilot
acreadiness-assess
Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.
github/awesome-copilot
acreadiness-generate-instructions
Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.
github/awesome-copilot
acreadiness-policy
Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.
github/awesome-copilot
Skills parecidas
speech
Ajuda seu agente a transformar texto em áudio falado. É útil para criar narrações, áudios de aulas ou locuções rápidas.
nexu-io/open-design
Docker Hub Automation
Faz seu agente automatizar operações no Docker Hub. Gerencia repositórios, equipes e webhooks para seus contêineres.
ComposioHQ/awesome-claude-skills
New Relic Automation
Ajuda seu agente a automatizar tarefas no New Relic. Ele pode gerenciar alertas, monitorar aplicações e configurar notificações.
ComposioHQ/awesome-claude-skills