用途：帮助团队设计并落地系统可靠性策略，围绕故障处理、服务等级目标（SLO）和事件响应建立可执行的方案。
主要能力： 1）故障处理模式：熔断器（门控对外失败请求、按失败次数与时间窗口切换状态）、带指数退避的重试、降级回退（主库失败读缓存、最终返回最小可用对象）、舱壁隔离（按关键/标准/后台划分资源池）。 2）SLO 定义：以 YAML 模板示例给出可用性（如 99.9%）、延迟（如 p95 低于 500ms）、错误率（如低于 1%）的目标、测量方式与统计窗口（30 天、7 天、24 小时）。 3）错误预算：说明 Error Budget = 100% - SLO，并举例 99.9% 可用性对应每月约 43.2 分钟停机额度。 4）故障模式分析表：列出组件、故障模式、影响、概率、检测手段与缓解措施，如数据库无响应、网关过载、缓存淘汰、队列积压。 5）检查清单：覆盖基础设施（健康检查、多可用区、自动扩缩、复制、备份）、应用（熔断、退避重试、超时、降级）、监控（SLO 看板、错误预算、告警、延迟分位、依赖健康）、运维（响应手册、值班轮换、复盘模板、容灾、混沌测试）。 6）事件响应：定义 SEV1–SEV4 分级及响应时间与处理动作，并给出确认、评估、沟通、缓解、解决、记录六步流程。
使用方式：按资料中的模式与清单逐项落地；代码示例为 TypeScript/伪代码形式的实现参考，命令与代码应保持原样使用。
适用场景：需要提升服务韧性、制定 SLO 与错误预算、准备事故响应与复盘的工程团队。
限制：资料未提供具体安装步骤、依赖版本、图形化工具、定价或平台兼容性信息；代码示例未包含完整运行环境与测试方式，实际采用前需自行验证与适配。