摘要：openai/sentry 是一个将 Sentry 查询能力接入 AI 对话的 Smithery Skill。你只需用自然语言描述要查什么，它会自动执行查询并返回结果。本文介绍其核心命令、安装流程以及 Sentry 官方技能生态，帮你把排错从翻日志变成聊天。
凌晨三点告警响了，你爬起来打开 Sentry，在密密麻麻的 issue 列表里翻找，点开堆栈跟踪，试图从几千行日志里定位根因。这一套流程下来，问题可能还没找到，天已经亮了。
Sentry 的仪表盘功能确实全，但问题也出在这里：太全了。查一个简单的问题也要在十几个页面之间跳转。openai/sentry 这个 Smithery Skill 做的事很直接，把 Sentry 的查询能力塞进 AI 对话里，让你用自然语言就能完成日常的排错操作。
本质是什么？
本质上它是一个 Sentry CLI 的对话式封装，自动处理认证、项目检测、分页和重试这些脏活。你不用记 API endpoint，不用拼 curl 命令，不用在文档里翻查询语法。你描述你要查什么，它执行，然后带着结果回到对话中继续分析。
别误会，它不是在替代 Sentry 仪表盘。它解决的是一个更具体的问题：当你已经在跟 AI 协作排错的时候，不需要切到浏览器里翻仪表盘。整个上下文都在对话里，你问一句，它查一下，分析继续。这个工作流的连续性，才是它真正的价值所在。
环境准备
前置条件不复杂。你需要一个 Sentry 账号，至少有一个已经在监控中的项目。安装 Sentry CLI 只需要一行命令：
curl https://cli.sentry.dev/install -fsS | bash
跑完之后执行 sentry auth login 完成认证。Skill 会在首次调用时自动检查认证状态，如果还没登录会明确提示你。
有个细节值得注意：Skill 会自动从项目的 .env 文件、源码里的 DSN 字符串、目录名等地方检测 org 和 project。大多数情况下你不需要手动指定这些参数，直接发查询就行。省掉了每次都要敲 org/project 的重复操作。
五个核心操作
Skill 的核心操作围绕五个命令展开，每个命令对应一个典型的排错步骤。
查 issue 列表是最常用的入口。想看过去 24 小时生产环境里还没解决的报错：
sentry issue list \ --query "is:unresolved environment:production" \ --period 24h \ --limit 20 \ --json --fields shortId,title,priority,level,status
--json 输出结构化数据让 Skill 可以进一步分析，--fields 只取需要的字段减少噪音。返回的内容包括 short ID、标题、优先级、等级和状态。
找到可疑 issue 后，用 short ID 深入。short ID 是个类似 PROJ-123 的短标识符：
sentry issue view PROJ-123 --json
这一步拿到 issue 的完整信息：标题、状态、首次出现时间、最近出现时间、出现次数、关联的环境和标签。
如果这些信息还不够定位根因，下一步是拉事件列表。事件是 issue 下的具体发生实例，每个有独立的堆栈跟踪和发生时间：
sentry issue events PROJ-123 --limit 20 --json
从事件列表里挑一个最近的 event_id，再跑 sentry event view org/project/event_id --json 拿到完整的错误上下文。
最值得拿出来说的是两个 AI 驱动的命令。sentry issue explain PROJ-123 直接让 AI 分析根因，sentry issue plan PROJ-123 给出修复方案。它不是简单的规则匹配，而是基于堆栈跟踪和事件上下文做推理。对那种“看起来像 A 问题其实是 B 导致的”的诡异 bug，这两个命令的实用性远超预期。
不只是查错：一套完整的 Sentry 技能生态
openai/sentry 这个 Skill 只是 Sentry 官方技能生态的一部分。Sentry 维护了一整套 Agent Skills，覆盖从 SDK 接入到生产环境调试的完整工作流。
接入方式也很简单。以 Claude Code 为例，在项目目录下运行：
npx skills add https://github.com/getsentry/sentry-agent-skills --skill sentry-fix-issues
安装完成后，你的 AI 助手会自动发现这些技能-7。你只需要用自然语言描述你要做什么-7：
- “Add Sentry to my React app” → 自动走完 SDK 接入流程
- “Fix the recent Sentry errors” → 查询 issue、分析根因、给出修复方案
- “Monitor my OpenAI calls with Sentry” → 配置 AI 调用监控
Sentry 官方提供了 dotagents 工具来管理技能依赖，可以锁定版本并提交到仓库，确保团队成员使用同一套技能。
谁该用，谁不该用
这套 Skill 最适合三类人：日常跟 Sentry 打交道的一线开发者，查错是高频操作，把查询塞进对话能省下大量在页面之间跳转的时间；用 AI 编程助手（Claude Code、Cursor、Codex）的开发者，Skill 的本质是把 Sentry CLI 能力接入 AI 对话，不用 AI 的开发者装了也用不上；刚接触 Sentry 的新手，AI 驱动的那两个命令——explain 和 plan——相当于有个熟悉 Sentry 的同事在旁边帮你解读错误。
反过来，如果你的团队完全不用 Sentry，装了没用。如果你的排错流程已经高度自动化（比如告警直接关联到日志平台），这个 Skill 带来的边际收益可能有限。
写在最后
手工威胁狩猎之所以消磨人，是因为它把分析师的精力消耗在了“找东西”上，而不是“判断东西”上。查错也一样——打开 Sentry、翻 issue 列表、点开堆栈跟踪、复制 event_id、切到另一个页面看详情——这套流程消耗的是注意力，而不是判断力。
资源 | 地址 |
Smithery Skill 页面 | https://smithery.ai/skills/openai/sentry |
Sentry 官网 | https://sentry.io |
Sentry CLI 文档 | https://docs.sentry.io/cli/ |
openai/sentry 做的事情很朴素：把“找东西”这步塞进对话，让开发者把精力留给“判断”。你只需要告诉它你在查什么，它负责把证据链串好，剩下的交给你的判断力。
