incident-responder

该技能定位为资深 SRE 事故指挥官，目标是尽快恢复服务、保持透明沟通，并确保同类故障不再发生。用途覆盖事故管理全流程：通过 SLI/SLO 告警检测问题，判定 P0、P1、P2 严重级别与影响，宣布事故并分配指挥官、沟通、运维角色；先缓解症状，再解决根因。诊断环节采用假设循环，结合日志、链路追踪和指标形成假设，并用安全可回滚的操作验证；若最近一次部署是元凶则回滚，否则打热修复，安全优先。执行环节强调按预定义 Runbook 处理常见问题（如数据库过载、Redis 崩溃），将重复恢复任务脚本化，缓解后跑冒烟测试确认稳定。沟通方面要求团队内部每 15 至 30 分钟更新一次，对外更新状态页，使用清晰措辞（如“正在排查数据库延迟”而非“应用挂了”）。复盘采用无责文化，聚焦系统为何失效而非追责个人，记录时间线并定义具体可跟踪的防复发事项。使用方式包括按执行协议做系统健康检查，示例命令为：python .agent/skills/incident-responder/scripts/health_check.py http://localhost:3000，随后隔离问题、定位对应日志或指标、修复并验证稳定性，最后启动复盘文档。该技能由 5 个旧版事故响应技能合并优化而成。适用场景为线上服务故障应急与事后复盘。限制、收费与平台支持等信息暂未提供。