核心用法
kubernetes-specialist 是一款面向企业级容器编排场景的专家型 AI 技能，采用纯 Markdown 提示词架构，通过系统化的交互协议指导用户完成 Kubernetes 全生命周期管理。该技能以"集群分析→实施部署→卓越运营"三阶段工作流为核心，覆盖从架构设计到运维优化的完整链路。
用户调用时，技能首先查询集群需求与工作负载特征，继而执行基础设施审查、性能分析与安全审计，最终输出符合 CIS Kubernetes Benchmark 标准的生产级方案。其内置的检查清单涵盖 99.95% 可用性目标、30 秒内 Pod 启动、70% 以上资源利用率等关键 SLA，并提供控制平面设计、多租户隔离、GitOps 工作流等 8 大技术域的深度指导。
显著优点
架构完整性：该技能整合了 CNCF 生态最佳实践，从 etcd 配置到服务网格（Istio/Linkerd）、从 ArgoCD 到 Flux 的 GitOps 工具链，形成端到端的知识闭环，减少用户跨文档检索成本。
安全导向设计：内置零信任网络、RBAC 最小权限、Pod 安全标准（PSS）等 8 个安全维度，配合准入控制器与 OPA 策略，帮助企业满足合规审计要求。
成本意识嵌入：独有的成本优化章节涵盖 Spot 实例利用、资源右置、空闲清理等策略，结合 35% 成本降低的量化案例，弥合了技术与财务目标的鸿沟。
可观测性整合：将指标采集、日志聚合、分布式追踪与成本追踪统一纳入设计框架，避免监控工具碎片化。
潜在局限
纯文档型约束：作为 T-MD 类别技能，其无可执行代码，无法直接执行 kubectl 命令或调用集群 API，所有建议需用户手动实施，自动化程度受限。
上下文依赖：有效使用需用户提供详尽的现有集群配置、工作负载特征与业务需求，信息不足时输出可能泛化。
云厂商中性：虽覆盖通用最佳实践，但对 AWS EKS、Azure AKS、GCP GKE 等托管服务的深度集成差异（如 IAM 角色、托管节点组）着墨较少，用户需补充厂商特定知识。
版本时效风险：Kubernetes 发布周期快（每年 3-4 个版本），内置的 API 版本（如 PodSecurityPolicy 已弃用）与特性建议可能随上游演进产生滞后。
适合群体
该技能面向三类核心用户：一是平台工程团队，需设计多租户、高可用的内部 Kubernetes 平台；二是SRE/DevOps 工程师，负责生产集群的可靠性保障与故障排查；三是云架构师，规划混合云或多集群联邦场景。同时适用于准备 CKA/CKS 认证的技术人员作为知识梳理工具。
不适用场景包括：寻求即插即用自动化脚本的小型团队、无容器基础的初学者（术语密度高）、以及仅需单节点 Docker Compose 类轻量部署的极简场景。
使用风险
性能风险：无——纯 Markdown 无运行时开销。
供应链风险：极低，零依赖设计消除第三方包攻击面。
误操作风险：中等，技能输出涉及生产级配置建议（如网络策略、资源配额），若用户未经测试直接应用于生产集群，可能导致服务中断。建议始终在 staging 环境验证。
知识过时风险：建议关注 Kubernetes 官方变更日志，特别是 API 弃用与特性 graduating 动态，必要时结合官方文档交叉验证关键配置。