io.github.ai-4-devops/devops-practices

面向生产系统规划可落地的可观测性体系，串起指标、日志、链路追踪与 SLI/SLO、错误预算、告警和仪表盘设计，适合搭建监控平台与优化故障响应。

✎ 把监控、日志、链路追踪串起来，帮助团队从设计阶段构建可观测性，排障更快、系统演进更稳。

覆盖 CI/CD 流水线生成、Terraform 基建脚手架和自动化部署，适合在 AWS、GCP、Azure 上搭建云原生发布流程，管理 Docker/Kubernetes 基础设施并持续优化交付。

✎ 把CI/CD、基础设施即代码、容器与监控串成一条交付链，尤其适合AWS/GCP/Azure多云团队高效落地。

统一梳理dev/staging/prod的.env和密钥流程，自动生成.env.example、校验必填变量、扫描Git历史泄漏，并联动Vault、AWS SSM、1Password、Doppler完成轮换。

✎ 统一管理环境变量、密钥与配置，减少泄露和部署混乱，安全治理与团队协作一起做好，DevOps 场景很省心。

kubefwd 是让 AI 帮你批量转发 Kubernetes 服务到本地的开发神器。

✎ 微服务开发者最头疼的本地调试问题，它一键搞定——自动分配 IP 避免端口冲突，还能用自然语言查询状态。但依赖 AI 工作流，纯命令行爱好者可能觉得不够直接。

Cloudflare MCP Server 是让你用自然语言管理 Workers、KV 和 R2 等云资源的工具。

✎ 这个工具解决了开发者频繁切换控制台和文档的痛点，特别适合那些在 Cloudflare 上部署无服务器应用、需要快速调试或管理配置的团队。不过，由于它依赖多个子服务器，初次设置可能有点繁琐，建议先从 Workers Bindings 这类核心功能入手。

Terraform MCP Server 是让 AI 助手直接操作 Terraform Registry 和 HCP Terraform 的桥梁。

✎ 如果你经常在 Terraform 里翻文档找模块配置，这个服务器能省不少时间——直接问 Claude 就能生成准确的代码片段。最适合管理多云基础设施的团队，但注意它目前只适合本地使用，别在生产环境里暴露 HTTP 端点。