用途：为 Kubernetes 事故调查、根因分析与故障诊断提供一套 SRE 调试方法论，适用于 Pod 无法启动、卡住或异常等场景。集群访问方式（--context 模式）与内部服务 URL 见 k8s 技能。
核心原则：用 5 Whys 分析，不停留在症状，反复追问直到根因；关联日志、事件、指标形成完整画面；对每条触发告警都要处理，修复根因，或作为最后手段创建带理由的声明式 Silence CR，不得忽略或推迟。
调查阶段：一、分诊，确认集群（询问用户 dev/integration/live）、评估严重级别（P1 宕机/P2 降级/P3 轻微）、确定范围。二、数据收集，可用 scripts/cluster-health.sh [namespace] 快速快照，或用 kubectl get pods、describe pod、logs（含 --previous）、get events --sort-by='.lastTimestamp'、top pods 等命令；Prometheus 位于 OAuth2 Proxy 之后，DNS URL 无法用于 API 查询，需通过 kubectl exec 进入 prometheus 容器查询告警。三、关联，从日志、事件、指标提取时间戳，找出最先发生的事件并追踪级联。四、根因，应用 5 Whys 并从时间、因果、证据、完整性四方面验证。五、修复，存在多种方案时用 AskUserQuestion，在 integration/live 上只读并仅给建议，区分即时（回滚、扩缩、重启）、永久（代码/配置修复）与预防（告警、配额、测试）。
网络策略调试（Cilium + Hubble）：所有流量默认拒绝，缺少标签是最常见原因。可 port-forward hubble-relay 后用 hubble observe --verdict DROPPED 等命令查看被丢弃流量，检查命名空间标签（network-policy.homelab/profile 等）。紧急逃生开关为给命名空间打 enforcement=disabled 标签，5 分钟后触发告警，修复后需移除该标签。
其他场景：HelmRelease 即使底层问题已解决仍可能卡在 Stalled/RetriesExceeded，可用 flux suspend/resume 重置失败计数；发布流水线排查按 PR 合并、GHCR OCI 制品、integration OCIRepository、Kustomization 健康、Flux Alert、tag 工作流、live OCIRepository 顺序逐段检查，注意 semver 约束差异。
限制：资料未提供该技能的安装方式、收费与平台支持信息；具体命令与流程以原文为准。