incident-investigation 是做什么的?
一种基于假设驱动的结构化生产事故调试方法,围绕最大痛苦原则构建,作为智能体技能包(MIT 许可)发布。
概述
此技能旨在帮助 AI 智能体(如 Claude Code、Cursor、Codex 等)在执行生产事故调试时采用系统化的方法。它优先处理对用户和业务影响最大的问题,并引导进行快速、结构化的根本原因分析。
核心原则
- 最大痛苦原则:始终从影响最大、范围最广的症状开始排查。
- 假设驱动:不随机寻找错误,而是基于可用证据提出可测试的假设。
- 结构化流程:遵循清晰的阶段划分,避免跳过关键步骤。
- 文档即代码:所有发现和决策都应记录,并可作为后续参考。
使用流程
- 接收告警:获取事故描述和相关上下文(日志、指标、用户报告)。
- 评估影响:确定受影响用户数量、业务功能和关键性。
- 提出假设:根据症状列出最可能的根本原因。
- 验证假设:使用日志、追踪、监控工具(如
grep、kubectl、Datadog、Sentry)进行验证。 - 缩小范围:通过排除法逐步缩小潜在原因范围。
- 确定根因:确认根本原因。
- 解决与修复:实施临时或永久修复。
- 复盘:创建事故报告,记录时间线、根因和预防措施。
智能体指令示例
开始事故调查。
症状:用户报告支付页面加载超时。
影响:影响约 15% 的用户,主要集中在欧洲地区。
步骤:提出两个最可能的假设,并使用可用的日志源进行验证。
支持的平台
- Claude Code
- Cursor
- Codex CLI
- 任何支持自定义技能/指令的 AI 代理
许可证
MIT