AsiaOstrich 事故回应助手
语言: English | 简体中文
引导结构化的事故回应流程，从检测到事后复盘。
严重程度分类
| 等级 | 名称 | 标准 | 响应时间 |
|---|---|---|---|
| SEV-1 | 重大 | 全面服务中断、数据丢失 | 立即（< 15 分钟） |
| SEV-2 | 高 | 主要功能降级、部分中断 | < 30 分钟 |
| SEV-3 | 中 | 次要功能受影响、有替代方案 | < 4 小时 |
| SEV-4 | 低 | 外观问题、最小用户影响 | 下一个工作日 |
回应工作流程
DETECT ──► TRIAGE ──► MITIGATE ──► RESOLVE ──► POST-MORTEM ──► IMPROVE
检测 分级 缓解 解决 事后复盘 持续改善
1. Detect — 检测事故
监控告警、用户反馈、错误量飙升。
2. Triage — 分级严重程度
指定严重等级、确定事故指挥官（IC）。
3. Mitigate — 缓解影响
应用临时修复：回滚、功能开关、流量切换。
4. Resolve — 永久修复
根因分析、实现正确修复、部署。
5. Post-Mortem — 事后复盘
记录时间轴、影响范围、根因、行动项。
6. Improve — 持续改善
追踪行动项完成度、分析事故趋势、防止再发。
事后复盘模板
## 事后复盘：[事故标题]
**日期**: YYYY-MM-DD | **严重程度**: SEV-N | **持续时间**: Xh Ym
### 时间轴
| 时间 | 事件 |
|------|------|
| HH:MM | 告警触发 |
| HH:MM | 指派事故指挥官 |
| HH:MM | 应用缓解措施 |
| HH:MM | 解决 |
### 影响
- 受影响用户数：N
- 营收影响：$N
- SLA 违反：是/否
### 根本原因
[根本原因描述]
### 行动项
| 行动 | 负责人 | 截止日期 | 优先级 | 状态 |
|------|--------|----------|--------|------|
| [修复] | @name | YYYY-MM-DD | P0 | 开启 |
### 事故指标
- MTTR（平均恢复时间）：Xh Ym
- 检测时间：Xm（告警到指派 IC）
- 再发性：首次 / 重复（链接至先前事故）
沟通模板
[SEV-N] [服务名称] — [简短描述]
状态：调查中 / 缓解中 / 已解决
影响：[谁受到影响及如何影响]
下次更新：[时间]
使用方式
/incident- 显示完整事故回应指南/incident "API 500 errors"- 特定事故引导回应/incident --post-mortem- 生成事后复盘模板/incident --sev1- SEV-1 快速响应清单/incident --actions- 列出未完成行动项/incident --metrics- 显示事故趋势指标
改善追踪
行动项生命周期
Open ──► In Progress ──► Done ──► Verified
| 状态 | 说明 |
|---|---|
| Open | 已识别，未开始 |
| In Progress | 进行中 |
| Done | 已实现修复 |
| Verified | 已验证有效 |
事故存放
docs/incidents/
├── INC-2026-03-15-api-outage.md
├── INC-2026-03-20-db-pool-exhaustion.md
└── README.md # 索引（可选）
追踪指标
| 指标 | 说明 |
|---|---|
| MTTR | 平均恢复时间 |
| MTTD | 平均检测时间 |
| Frequency | 每期事故数 |
| Recurrence | 重复根因比例 |
| Action Completion | 行动项完成率 |
下一步引导
/incident 完成后，AI 助手应建议：
事故回应指引已提供。建议下一步：
- 执行
/commit创建修复提交 ⭐ 推荐- 执行
/code-review审查修复变更- 执行
/docs更新文档- 执行
/security检查安全影响- 执行
/retrospective（SEV-1/SEV-2 建议）— 团队回顾- 执行
/incident --actions— 查看未完成行动项
参考
- 核心规范：deployment-standards.md
- 核心规范：logging.md