Habilidad para Agentes de IA

Haz que tu asistente de programación de IA aprenda a usar Peeka para diagnosticar problemas en aplicaciones Python.

Tabla de Contenidos

  1. ¿Qué es la habilidad peeka-diagnostics?
  2. Resumen del Contenido de la Habilidad
    1. Árbol de Decisión de Diagnóstico
    2. 4 Playbooks de Diagnóstico
    3. Capacidad de Análisis JSONL
  3. Método de Instalación
    1. Requisitos Previos
    2. Método 1: Instalación a nivel de proyecto (recomendado)
    3. Método 2: Instalación global
  4. Modo de Uso
    1. OpenCode
    2. Otras herramientas de IA
    3. Palabras Clave de Activación
  5. Ejemplos de Escenarios de Uso
    1. Escenario 1: Diagnosticar interfaz lenta
    2. Escenario 2: Diagnosticar fuga de memoria
    3. Escenario 3: Diagnosticar interbloqueo de hilos
  6. Mantenimiento del Archivo de Habilidad
    1. Actualizar la habilidad
    2. Extensión Personalizada
  7. Preguntas Frecuentes
    1. ¿La IA no usa peeka para diagnosticar?
    2. ¿La ejecución del comando de diagnóstico de IA falló?
    3. ¿Dónde puedo encontrar el archivo de habilidad?

¿Qué es la habilidad peeka-diagnostics?

peeka-diagnostics es un archivo de habilidad para Agentes de IA (SKILL.md). Después de instalarlo, tu asistente de programación de IA (como OpenCode, Cursor, Cline, etc.) podrá:

  • Juicio automático: Seleccionar el comando peeka correcto según los síntomas del problema (solicitudes lentas, fugas de memoria, interbloqueos, etc.)
  • Ejecutar diagnóstico: Adjuntarse a procesos Python en ejecución a través de peeka-cli y recolectar datos en tiempo real
  • Analizar resultados: Realizar análisis estructurado usando la salida JSONL y jq
  • Solución paso a paso: Seguir el playbook de diagnóstico incorporado (análisis de rendimiento, resolución de excepciones, análisis de memoria, análisis de hilos)

El archivo de habilidad se centra en el flujo de diagnóstico principal de Peeka: watch, trace, stack, monitor, top, sc, sm, memory, inspect, logger, thread y run, con orientación de parámetros, recetas de jq, sintaxis de expresiones condicionales y protocolos de seguridad.

Resumen del Contenido de la Habilidad

Árbol de Decisión de Diagnóstico

La habilidad tiene una tabla de mapeo incorporada de síntomas a comandos, la IA seleccionará automáticamente la ruta de diagnóstico según los síntomas:

Síntoma Comando Recomendado Objetivo
Respuesta lenta / alta latencia watch → trace Localizar llamadas lentas
Valor de retorno incorrecto / bug lógico watch observar entrada y salida Asociar entrada con salida
Excepción / error watch -e → stack Encontrar ubicación y causa de la excepción
Crecimiento de memoria / fuga memory comandos de serie Encontrar asignaciones de memoria y poseedores
CPU alta top → trace Encontrar rutas de puntos calientes de CPU
Interbloqueo / bloqueo thread → stack Encontrar puntos de contención de bloqueos
Anomalías gevent/eventlet o monkey patch patch-status → attach / watch Confirmar estado de parches de runtime e integridad RPL

4 Playbooks de Diagnóstico

Playbook Escenario Flujo Principal
A: Análisis de Rendimiento Interfaz lenta, función tarda demasiado watch filtrar llamadas lentas → trace descomponer árbol de llamadas → localizar cuello de botella
B: Resolución de Excepciones Error en entorno de producción watch -e capturar excepción → stack obtener pila de llamadas → analizar causa raíz
C: Análisis de Memoria Crecimiento continuo de memoria memory iniciar rastreo → múltiples instantáneas → diff comparación → referrers buscar referencias
D: Análisis de Hilos Interbloqueo, hilo bloqueado thread listar estados → filtrar WAITING → stack obtener pila

Capacidad de Análisis JSONL

Toda la salida CLI está en formato JSONL, la IA usará jq para realizar análisis estructurado:

# Filtrar llamadas lentas
peeka-cli watch "module.func" -n 10 | jq 'select(.type == "observation" and .cost > 100)'

# Extraer información de excepción
peeka-cli watch "module.func" -e -n 5 | jq 'select(.success == false) | {func: .func_name, error: .exception}'

# Análisis top de memoria
peeka-cli memory --action top | jq '.data.top_allocations[:5]'

Método de Instalación

Requisitos Previos

  • Peeka ya está instalado (ver Guía de Instalación)
  • Usar un asistente de programación de IA que soporte Skill/SKILL.md

Método 1: Instalación a nivel de proyecto (recomendado)

Copia el archivo de habilidad al directorio .agents/skills/ de tu proyecto:

# Ejecutar en la raíz del proyecto
mkdir -p .agents/skills/peeka-diagnostics

# Copiar el archivo de habilidad desde el repositorio de Peeka
curl -o .agents/skills/peeka-diagnostics/SKILL.md \
  https://raw.githubusercontent.com/peeka-project/peeka/master/.agents/skills/peeka-diagnostics/SKILL.md

Estructura de directorios después de la instalación:

your-project/
├── .agents/
│   └── skills/
│       └── peeka-diagnostics/
│           └── SKILL.md
├── src/
│   └── ...
└── ...

Método 2: Instalación global

Si tu herramienta de IA admite un directorio global de habilidades (como ~/.config/opencode/skills/), puedes instalarlo en una ubicación global:

mkdir -p ~/.config/opencode/skills/peeka-diagnostics
curl -o ~/.config/opencode/skills/peeka-diagnostics/SKILL.md \
  https://raw.githubusercontent.com/peeka-project/peeka/master/.agents/skills/peeka-diagnostics/SKILL.md

Modo de Uso

OpenCode

En OpenCode, carga la habilidad a través de load_skills:

task(
  category="deep",
  load_skills=["peeka-diagnostics"],
  prompt="Mi API responde lentamente, ayúdame a diagnosticar con peeka el PID 12345"
)

O refiérete directamente en la conversación:

@peeka-diagnostics La memoria de mi servicio Python sigue creciendo, el PID es 54321, ayúdame a solucionarlo

Otras herramientas de IA

Para Cursor, Cline u otras herramientas de IA que admitan instrucciones personalizadas:

  1. Asegúrate de que el archivo de habilidad esté en .agents/skills/peeka-diagnostics/SKILL.md
  2. La herramienta de IA descubrirá y cargará la habilidad automáticamente
  3. Cuando describas problemas relacionados con el diagnóstico de Python, la IA aplicará automáticamente el conocimiento en la habilidad

Palabras Clave de Activación

Las siguientes palabras clave activarán a la IA para usar la habilidad peeka-diagnostics:

  • debug python, diagnose python
  • slow app, memory leak, high CPU
  • trace function, watch expression
  • thread deadlock, runtime debugging
  • profile python, peeka

Ejemplos de Escenarios de Uso

Escenario 1: Diagnosticar interfaz lenta

“Mi tiempo de respuesta de la interfaz /api/users aumentó de 50ms a 2s, el PID del proceso objetivo es 12345, ayúdame a solucionarlo”

La IA automáticamente:

  1. peeka-cli attach 12345
  2. peeka-cli sc "*user*" para encontrar clases relacionadas
  3. peeka-cli watch "myapp.api.users.get_users" -n 5 --condition "cost > 100" para filtrar solicitudes lentas
  4. peeka-cli trace "myapp.api.users.get_users" -n 3 -d 5 para descomponer el árbol de llamadas
  5. Analizar la salida JSONL y localizar la subfunción cuello de botella
  6. Limpieza con peeka-cli reset && peeka-cli detach

Escenario 2: Diagnosticar fuga de memoria

“Después de varias horas de ejecución, la memoria de mi servicio Python aumentó de 200MB a 2GB, PID 54321”

La IA automáticamente:

  1. Adjuntar el proceso e iniciar tracemalloc
  2. Tomar múltiples instantáneas con intervalos y comparar con diff
  3. Usar memory --action top para encontrar las mayores fuentes de asignación
  4. Usar memory --action referrers para rastrear la cadena de referencias
  5. Emitir informe de análisis y sugerencias de reparación

Escenario 3: Diagnosticar interbloqueo de hilos

“Mi servicio está bloqueado, todas las solicitudes se agotan el tiempo de espera, PID 33333”

La IA automáticamente:

  1. peeka-cli thread enumera todos los estados de hilos
  2. Filtrar hilos en estado WAITING
  3. Obtener información detallada de la pila de hilos sospechosos
  4. Analizar la contención de bloqueos y dar sugerencias

Mantenimiento del Archivo de Habilidad

Actualizar la habilidad

Cuando Peeka lance una nueva versión, actualiza el archivo de habilidad:

curl -o .agents/skills/peeka-diagnostics/SKILL.md \
  https://raw.githubusercontent.com/peeka-project/peeka/master/.agents/skills/peeka-diagnostics/SKILL.md

Extensión Personalizada

El archivo de habilidad es Markdown puro, puedes extenderlo según las necesidades de tu proyecto:

  • Agregar patrones de diagnóstico específicos del proyecto
  • Agregar accesos directos para patrones de funciones comunes
  • Complementar pasos de resolución de problemas específicos del proyecto

Preguntas Frecuentes

¿La IA no usa peeka para diagnosticar?

  • Confirma que el archivo de habilidad se instaló correctamente en .agents/skills/peeka-diagnostics/SKILL.md
  • Menciona explícitamente palabras clave relacionadas con diagnóstico y depuración de Python en el prompt
  • Confirma que peeka-cli está instalado y disponible

¿La ejecución del comando de diagnóstico de IA falló?

  • Verifica que Peeka esté instalado correctamente: peeka-cli --help
  • Confirma que el proceso objetivo todavía está en ejecución: ps -p <pid>
  • Verifica los permisos (ptrace_scope, CAP_SYS_PTRACE)

¿Dónde puedo encontrar el archivo de habilidad?

Volver al inicio

Copyright © 2026 Peeka contributors. Distributed under the Apache License 2.0.

This site uses Just the Docs, a documentation theme for Jekyll.