¿Qué hace investigación-de-incidentes?
Una metodología estructurada y basada en hipótesis para depurar incidentes de producción, construida en torno al principio del máximo dolor. Empaquetada como una habilidad de agente (MIT).
¿Por qué?
Depurar incidentes de producción bajo presión de tiempo es difícil. Es fácil:
- Sentirse abrumado por la gran cantidad de información.
- Seguir pistas falsas mientras el verdadero problema se intensifica.
- Olvidar pasos en el proceso.
- Dejar documentación incompleta, lo que perjudica futuras investigaciones.
Esta habilidad estructura el proceso alrededor del principio del máximo dolor: abordar primero los síntomas que causan el mayor daño a los usuarios o al sistema. No solo acelera el diagnóstico, sino que también asegura que la investigación se alinee con el impacto en el negocio.
¿Qué hace?
Cuando activas esta habilidad durante un incidente, guía al agente a través de:
- Recopilación inicial de datos (métricas, logs, estado del servicio).
- Formulación de hipótesis sobre la causa raíz probable.
- Prueba de hipótesis mediante comandos y consultas específicos.
- Eliminación o refinamiento de hipótesis basado en los resultados.
- Documentación de la causa raíz, solución y tiempo de resolución.
Cómo usarlo
Requisitos
- El agente debe tener acceso de solo lectura a tus sistemas de monitoreo y logging (por ejemplo, Datadog, Grafana, CloudWatch, Sumo Logic, etc.).
- Acceso de lectura a tus repositorios de código (preferiblemente solo lectura).
- Capacidad para ejecutar comandos de diagnóstico (por ejemplo,
kubectl,curl,ping,traceroute,dig, etc.).
Activación
En tu prompt, invoca la habilidad explícitamente:
"Activa la habilidad de investigación de incidentes. Estamos viendo un aumento en errores 500 en el endpoint
/api/orders."
El agente comenzará la fase de Recopilación de Datos y te guiará a través de los pasos.
Ejemplo de flujo de trabajo
- Recopilación de datos
- El agente pide logs recientes del servicio afectado.
- El agente solicita métricas (latencia, tasa de error, uso de CPU).
- Hipótesis
- "Hipótesis 1: El servicio de base de datos está saturado."
- "Hipótesis 2: Se implementó un cambio de código incorrecto."
- Prueba
- El agente sugiere ejecutar:
kubectl top podso revisar la consola de CloudWatch. - El agente sugiere comparar un despliegue reciente con uno anterior.
- El agente sugiere ejecutar:
- Resultado
- Se confirma la Hipótesis 1.
- El agente recomienda escalar horizontalmente las réplicas de la base de datos como mitigación temporal.
- Documentación
- El agente pide una descripción de la causa raíz, la solución y el tiempo de resolución para guardarla.
Personalización
Dado que es MIT, puedes modificar las indicaciones y reglas para que se ajusten mejor a tu stack tecnológico, procesos de equipo o herramientas preferidas (por ejemplo, PagerDuty, Slack, OpsGenie).
Licencia
MIT - Siéntete libre de bifurcar, modificar y usar.