用 Claude Code Skill 治理文档漂移：FlashDuty 的 AI 文档审查实践
FlashDuty 通过 Claude Code skill 构建 AI 文档审查系统，将源码与产品文档关联起来，自动发现文档漂移、补齐缺失说明并生成 PR。本文介绍这套系统的设计思路、Diff/Audit 两种模式和落地经验。
分类：最佳实践
汇总 Flashcat 博客中归属于 最佳实践 分类的文章，方便按内容类型连续阅读产品实践、客户案例和可观测性方法。
最佳实践 分类文章
用 catpaw 监控你的监控系统：给 Prometheus 和 Nightingale 加一层外部哨兵
监控系统本身也会失效。本文介绍如何用 catpaw 给 Prometheus、Nightingale、Alertmanager 增加独立外部哨兵，从 systemd、进程、HTTP、磁盘、日志、时间同步和 MCP 等角度降低监控失声与值班盲飞风险。
Zenlayer 公网质量监控平台实践：从 SmokePing 到拨测与 IQSM 评分模型
本文介绍 Zenlayer 面向全球边缘云业务构建公网质量监控平台的实践，涵盖 SmokePing 与 SmokeCAT 的早期探索、分布式拨测、样本筛选、VictoriaMetrics/VictoriaLogs 数据底座以及 IQSM IP 质量评分模型。
最佳实践：老虎如何吃下天 - 可观测性加大模型
面对海量的观测数据和复杂的IT环境，如何有效的连接观测系统和大模型，产生智能化的效果，总有一种老虎吃天，无从下嘴的感觉。本文将介绍Flashcat如何解决这个难题，有效的引进大模型，以及相应的案例。
最佳实践：一张图掌握 IT 系统健康状态
服务出现故障时，有没有一张图能够呈现出全系统各部分的健康状态，以便技术团队追查问题时快速找准范围，也方便经理、老板指挥故障处理时，心中有数，有的放矢？
最佳实践：统一观测系统建设中存量系统如何处理
统一观测系统建设中存量系统如何处理？本文将介绍两种处理存量观测系统数据的方案，对比方案的优劣，并介绍Flashcat的选择和思考。
告警降噪解析与实践
告警降噪是指在运维监控中，通过聚合、抑制、收敛等策略减少无用或重复告警的干扰，避免告警泛滥，确保运维人员只接收到关键信息。降噪可以减少对值班人员的打扰，同时确保他们能及时处理真正重要的告警事件。
最佳实践：OnCall 文化值得落地，晚上被告警吵醒的概率确实大大降低了
作为运维人员，晚上被告警吵醒绝对是最痛苦的经历之一。听说行业里有专门做 OnCall 的产品，比如 PagerDuty、Flashduty 等，莫非这些 OnCall 产品可以让运维人员晚上避免起床？本文从几个方面来介绍一下如何才能睡个好觉。
提升故障应急响应速度，Flashcat平台的1-5-10实践
围绕阿里巴巴 1-5-10 故障目标，说明如何用北极星指标、灭火图、事件墙和多维分析缩短发现、处置与恢复时间，帮助团队建立更快的应急响应机制。
最佳实践：可观测建设实践之 - 日志分析的权衡取舍
本文将结合实战经验，介绍一种日志分析的实现，分析如何在稳定性保障中用好日志这个维度，以及日志如何与指标、链路相互配合形成故障定位的最佳实践。
最佳实践：灭火图 - 故障发现和定位的入口
灭火图是发现服务健康与否的入口，也是整个故障定位信息系统的核心，从灭火图开始，可以下钻到具体的接口/基础设施/链路分析数据/问题特征/相关事件等关键维度，引导技术团队高效、精准的定位故障。
理想的监控系统到底是什么样的？
笔者从 14 年开始做监控，到现在接近 10 年，认知在持续迭代，最近又有一些新想法，跟大家分享一下我眼中的理想的监控系统到底是什么样的
最佳实践：稳定性保障8个锦囊，建议收藏！
稳定性保障，是一切技术工作的出发点和落脚点，也是 IT 工作最核心的价值体现，当然也是技术人员最容易“翻车”的阴沟。8个稳定性保障锦囊，分享给各位技术人员择机使用。
最佳实践：可观测性三支柱？远不止此！
日志，指标和分布式链路追踪这三个可观测性的传统支柱，已经是过时的，过于关注数据采集和底层数据格式，而不去关注结果（我们建设可观测性的初心和目标），这个做法实在是滑天下之大稽
最佳实践：告警通知时如何做到最佳降噪效果
很多监控告警的系统都声称自己的降噪比是多少多少，各位终端用户可能不好分辨到底效果如何，本文给大家推荐一个简单粗暴高效的方式。
最佳实践：治理告警风暴，告警降噪的一些典型手段
很多公司希望提升服务稳定性，而上线了各类监控系统，指标的、链路的、日志的，而且只是指标层面可能就会有多个监控系统，这么多监控系统、这么多监控目标，如果没有良好的治理，很快就会产生告警风暴的问题，如何通过一些手段达到告警降噪的效果呢？
稳定性体系建设白皮书
SRE 是 Site Reliability Engineering，网站稳定性工程，具体怎么做这个网站稳定性工程？有没有什么方法论？有没有什么工具？白皮书来了
最佳实践：服务挂了，学费交了，掌握这6点就值了
服务一次次挂掉，技术团队一次次应急响应、一次次复盘，我们从中学到了什么？
最佳实践：稳定性保障一号位的进击之旅
稳定性一号位，或者说稳定性负责人，需要有哪些职责：承担责任，制定目标并拆解量化，确定预算，建立技术保障体系
最佳实践：SLO新解，一种行之有效的故障处理方法
SLO落地难，有哪些落地方法，Flashcat北极星、灭火图等产品可以帮助你
