SuperAPI AI 工具集

incident-response

通用与其它

查看项目

更新于 10-16 09:30

技能介绍

用途:在线上事故发生时提供一套响应流程与决策框架,覆盖服务不可用或部分不可用、性能严重退化(如 P99 超过基线 5 倍)、数据异常或丢失、安全事件、第三方依赖故障等场景。

主要能力:给出 P1 至 P4 的事故分级(含影响、响应时间、参与角色);提供 10 步响应流程,从告警确认、开事故频道、止血、通知、定位根因、修复、验证恢复到关闭与安排复盘;提供止血决策树(最近有部署则回滚、资源不足则扩容、第三方故障则降级或切备用、流量异常则限流或封 IP、数据库问题联系 DBA 或切从库,不确定则回滚最近变更兜底);明确 Incident Commander、Communications Lead、Operations Lead 等角色职责;提供内部通知与外部状态页的通知模板(Investigating/Identified/Monitoring/Resolved);附事故记录模板 templates/incident-template.md。核心原则为止血优先(回滚优先于修复、扩容、降级)、角色明确、5 分钟无进展即升级、实时记录时间线、及时通知、不追责。

使用方式:事故中按流程执行,先确认与分级,P1/P2 开事故频道并指定 IC,优先止血并同步通知与时间线记录,恢复后 24 至 72 小时内进行复盘。资料未提供具体安装命令或调用参数。

适用场景与协作:适合需要运维值班与事故管理的工程团队。下游可衔接 postmortem、on-call-runbook、log-analysis,上游可由 monitoring-alerting 告警触发。

限制:资料仅提供流程、原则与模板,未提供具体工具集成细节、自动化脚本、平台绑定或收费信息,实际落地需结合自身监控与发布体系。