用 Claude Code 和 Codex CLI 各自官方的 hook 机制，把 AI Agent 调用 skill 的过程审计下来——什么时候触发了、传了什么参数、跑了多久，全留痕。给两家都给出可直接抄的配置。

LMAT 是观测的四件套(Log/Metrics/Alert/Trace), USED 是系统体检的四个指标(Usage/Saturation/Error/Delay)。一个管"看见", 一个管"看懂"。把这两套方法配起来, 稳定性工作才不至于变成“救火队日常”。

隐患险于明火，防范胜于救灾，责任重于泰山。本文介绍服务稳定性的两个核心方法论：LMAT（Log, Metrics, Alert, Trace）和 USED（Usage, Saturation, Error, Delay），并结合实践经验，讲解如何构建一套系统化的服务稳定性保障体系。