用途：为 AI 智能体或 LLM 功能引发的事故编写无责事后复盘。此类事故不同于服务宕机——系统没挂，而是自信地做错了事，甚至只发生一次，因此需要轨迹而非步骤来复现。
主要能力：产出无责复盘文档，含时间线与用户/业务影响；重建智能体看到、决定、执行了什么；跨 AI 失效层做根因分析（不把“模型幻觉了”当结论）；给出整改措施，且始终包含在回归测试集中新增永久用例。
必要输入：智能体做了什么与本应做什么；轨迹（系统提示、上下文、工具调用与结果、输出），若没有轨迹，缺失本身就是一项发现；影响范围（多少用户/请求、时间窗、是否仍在持续）；检测方式及开始后多久被发现。
根因分层：依次走过输入/上下文（上下文是否错误、过期、矛盾或被注入污染）、模型行为（在该上下文下属可预见的失效模式）、护栏（哪个校验本应拦截却不存在或未触发）、动作层（错误输出为何能变成真实动作或触达用户）、检测（为何这么晚才发现）。根因通常是能最早阻止影响的那一层。
非确定性纪律：用轨迹复现而非轶事，重放精确上下文并重复 N 次测量频率；重放时固定模型版本、提示版本、温度、工具结果；无法复现就明说，把轨迹作为证据，频率标为未知而非“罕见”。
输出格式：含严重级别、状态、负责人、摘要、影响、时间线、轨迹重建、按层根因表、复现、整改措施表（动作/层/负责人/截止）、做得好的与侥幸的部分。
质量检查与反模式：对人无责但对系统有用，“提示工程师失误”“模型幻觉”均禁止作为结论；根因要指出最早可阻止影响的层；文档须含轨迹或说明其缺失；频率须测量或明确标为未知；整改须含永久回归用例与至少一项检测改进。不要把“改进提示词”作为唯一动作，不要用一次重放评估频率，窗口含不可信文本时不要跳过注入问题，不要用“下个模型版本会更好”关闭行动项（升级是迁移而非修复），不要写成宕机报告。
适用场景：智能体幻觉内容上线、工具失控调用、提示注入、成本超支等事故复盘。限制：资料未提供具体安装方式、平台支持范围、收费信息及完整代码示例，暂未提供。