这个 Skill 能做什么，适合哪些场景？
这是 NVIDIA skills 仓库中的一个面向操作员的 DOCA Telemetry CLI 使用技能，专注于 BlueField 主机上的诊断计数器。它可以发现计数器架构、在计数器名称与二进制 Data ID 之间转换，并探测指定设备是否支持某个计数器。它适合排查导出器已发送但收集器没有数据、指标静默丢失等架构或设备支持问题。它不是 DOCA Telemetry 收集器或发布器开发指南，也不负责 DTS 部署、DOCA 安装或修复。
指导代理在已安装 DOCA 的 Linux 主机上调用 /opt/mellanox/doca/tools/doca_telemetry_utils：使用 get-counters 枚举诊断计数器；根据名称和属性解析 Data ID；根据 Data ID 反向解析计数器名称及属性；使用设备 PCI 地址、计数器名称和可选属性探测设备支持情况；读取配套 TASKS.md 与 CAPABILITIES.md，完成安装前提确认、配置选择、运行、测试和调试流程。输出是包含 Data ID 与属性映射的人类可读文本。
- 平台操作员在为 BlueField fleet 编写 DOCA Telemetry 导出器配置前，先枚举计数器并确认目标设备支持情况。
- 下游收集器开发者拿到日志中的 Data ID，需要将其反向解析为计数器名称和属性。
- 运维人员遇到导出器显示发送但收集器没有事件，需要检查名称到 Data ID 的解析和设备支持情况。
- 开发者迁移到新的 DOCA 版本，需要确认原有计数器仍能解析并匹配收集器库的架构版本。
- AI 代理需要生成经过设备能力验证的 BlueField 导出器计数器配置。
如何安装这个 Skill？
- 运行前必须确认本机 DOCA 版本、Telemetry 组件、BlueField PCI 地址及设备固件；文档中的命令形状不能替代已安装版本的 --help。
- 不要仅依据 schema 解析结果提交 exporter 配置；必须完成目标设备支持探测并保留 stdout、版本、固件和 Data ID 证据。
- 许可证信息存在冲突：SKILL.md 写 Apache-2.0，而 SKILLCARD.yaml 和 skill-card.md 写 Apache-2.0 AND CC-BY-4.0；发布前应统一。
- BENCHMARK.md 的评估数据集不可用，不能把其中的 PASS 或百分比当作本次独立复现证据。
- Shell / 命令行
- 网络访问
- 本地文件系统
LinuxDOCA SDK installed at /opt/mellanox/docaDOCA Telemetry optional componentBlueField DPU visible to DOCAdoca_telemetry_utils CLIper-device probe may require elevated privileges
使用仓库 README 支持的 skills CLI 安装单个技能：npx skills add nvidia/skills --skill doca-telemetry-utils --yes。也可以交互式运行 npx skills add nvidia/skills 并选择该技能。安装后，代理在下一次加载技能并遇到相关任务时使用它。运行技能还要求 Linux 主机已在 /opt/mellanox/doca 安装 DOCA SDK 及 Telemetry optional component，并且目标 BlueField DPU 对 DOCA 可见。源材料未提供 doca_telemetry_utils 的独立安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/doca-telemetry-utils" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 枚举这台 BlueField 的 DOCA diagnostic counters
- 把捕获的 Data ID 反向解析为计数器名称
- 验证 port_rx_bytes 在 node=1 时是否被 PCI 地址 X 的设备支持
- 导出器发送但收集器没有数据，检查计数器支持情况
向代理提出具体的操作员侧问题，例如“枚举这台 BlueField 的 DOCA diagnostic counters”“把捕获的 Data ID 反向解析为计数器名称”“验证 port_rx_bytes 在 node=1 时是否被 PCI 地址 X 的设备支持”或“导出器发送但收集器没有数据，检查计数器支持情况”。代理应先读取 SKILL.md，再按需要读取 TASKS.md 和 CAPABILITIES.md，使用 get-counters、名称到 Data ID、Data ID 到名称以及设备 PCI 地址加计数器名称和属性的探测流程。
这个 Skill 有哪些优点和局限？
- 覆盖枚举、名称到 Data ID、Data ID 到名称和逐设备支持探测四类核心运维任务。
- 明确区分操作员侧 CLI 与 doca-telemetry 收集器、导出器及 DTS 部署的边界。
- 通过安装环境中的实时工具发现计数器，避免在技能中维护易过时的固定计数器表。
- 提供版本匹配、错误分类、静默指标丢失和只读安全策略方面的指导。
- 依赖已安装且匹配的 DOCA SDK、Telemetry 组件和可见的 BlueField DPU。
- 逐设备探测通常需要提升权限。
- 技能不提供固定计数器清单、预置导出器或收集器配置、脚本、包装器或 DTS 部署方案。
- 源材料没有给出独立的自动化测试套件或跨平台验证证据。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| DOCA Telemetry Utils 本页 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| DOCA 结构化工具契约 ✓ NVIDIA · 官方 | 55 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| DOCA CollectX 遥测部署 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| DOCA Comm Channel 管理工具技能 ✓ NVIDIA · 官方 | 52 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| DOCA 能力探测器 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
它与开发侧 doca-telemetry 收集器库互补：本技能负责发现和验证计数器架构，doca-telemetry 负责开发侧收集器流程。它也不同于 doca-telemetry-exporter、doca-public-knowledge-map 和 doca-setup，分别不负责发布器编程、DTS/公共文档路由或 DOCA 安装。
FollowSkills 如何评估这个 Skill？
文档明确将工具限定为只读，要求设备支持探测、版本重新解析、避免臆造 Data ID，并提醒 telemetry 数据可能泄露运行信息；但缺少明确的用户确认、配置回滚方案和权限最小化细节，且外部资料依赖未固定，故扣分。
SKILL.md、CAPABILITIES.md 和 TASKS.md 提供了较完整的调用分类、错误分层和失败路由；但本次仅静态阅读，未执行 CLI，缺少提交的覆盖性测试和可复现异常输出，按静态上限保守给分。
受众、触发语句、适用场景和明确的非适用范围都很清楚；但要求 Linux、DOCA 安装、BlueField 和特定路径，未提供中文操作支持，也未证明 docs.nvidia.com 等外部依赖在中国大陆网络可达，因此扣分。
信息架构、加载顺序、任务动词、相关技能和限制说明较完整，也提供 Apache-2.0 前置许可证与问题入口；但 SKILLCARD.yaml、skill-card.md 与提示中的许可证元数据不一致，版本和签名仍为 TBD，缺少清晰 changelog，故扣分。
核心结果——枚举计数器、名称与 Data ID 转换、设备支持验证和故障分流——定义明确，且给出工作流与示例；但没有脚本或结构化输出，实际结果依赖本机 DOCA 版本、设备和外部文档，且评估数据集不可用，无法证明无需大量人工复核，故保守给分。
包含一个可审计的 Data ID 示例、错误分类、证据元组要求和 benchmark 报告；但 benchmark 数据集未随文件提供，未见覆盖关键路径的真实 CI 与测试套件，外部来源也未在本次材料中独立核验，因此只能给有限分数。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →