用途：该技能用于生产事故的全流程管理，从检测到复盘，并包含防止与遏制级联故障的韧性模式。适用场景包括：正在发生的生产事故（宕机、性能退化、数据丢失）；设计熔断器、舱壁隔离或降级策略；开展或规划混沌工程演练；撰写或评审复盘文档；建立值班流程与升级路径。不适用：无生产影响的开发期缺陷；通用系统架构设计（应改用 system-design）。
主要能力与流程：
- 检测：告警触发或用户报告后，确认真实性（排除误报），识别受影响服务与用户影响范围。
- 分级：按 P0–P3 分类严重程度，指定事故指挥官，开通沟通渠道（作战室、Slack 频道），开始更新状态页。
- 遏制：止血手段包括回滚、功能开关、流量切换；防止级联采用熔断器、负载削减、舱壁隔离；P0/P1 每 15 分钟向干系人同步。
- 解决：先实施最小可行修复，时间允许则在预发验证，部署时准备好监控与回滚方案，确认指标恢复基线。
- 复盘：48 小时内记录时间线，开展无指责评审，识别根因与促成因素，分配带负责人和截止时间的行动项，并据此更新运行手册与告警规则。
严重程度框架：P0 为完全宕机、数据丢失、安全泄露，响应时间立即（<5 分钟）；P1 为主要功能损坏、显著用户影响，<30 分钟；P2 为性能下降、部分功能缺失，<4 小时；P3 为轻微问题、有临时方案，下一工作日。
参考文档：分诊框架见 skills/incident-response/references/triage-framework.md；复盘模式见 skills/incident-response/references/postmortem-patterns.md。
输出物：事故时间线与严重程度分类、已采取的遏制措施、含行动项的复盘文档、更新后的运行手册与告警规则。
常见错误：跳过严重程度分级、把所有问题都当 P0；无回滚方案就变更；忘记向干系人同步状态；复盘时追责而非识别系统性问题；不跟进复盘行动项。