Community编程与开发github.com

yaniv256/incident-investigation

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。

incident-investigation 是什么?

此技能提供了一套系统化的方法论,用于高效调试生产环境中的事故。其核心是“最大痛苦原则”,即优先解决对业务影响最大的问题。该技能适用于任何需要与AI代理协作进行故障排查的场景,如Claude Code、Cursor或Codex等平台。它指导用户通过结构化步骤:假设生成、验证、根本原因分析、解决和复盘,从而将混乱的事故响应转变为有序的排查流程。通过遵循此方法论,开发团队可以减少平均修复时间(MTTR),避免常见的认知偏见,并记录可复用的知识。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add yaniv256/incident-investigation

Installed? Explore more 编程与开发 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

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

  1. 接收告警:获取事故描述和相关上下文(日志、指标、用户报告)。
  2. 评估影响:确定受影响用户数量、业务功能和关键性。
  3. 提出假设:根据症状列出最可能的根本原因。
  4. 验证假设:使用日志、追踪、监控工具(如 grep、kubectl、Datadog、Sentry)进行验证。
  5. 缩小范围:通过排除法逐步缩小潜在原因范围。
  6. 确定根因:确认根本原因。
  7. 解决与修复:实施临时或永久修复。
  8. 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

相关技能