incident-review
Skill2 starsChanged 15 days agoMITView on GitHub
事故复盘与响应纪律(三源融合:Google SRE《Anatomy of an Incident》× 陈中《复盘》× 邱昭良《复盘+》)。适用于:生产事故/故障复盘、postmortem、断连/崩溃/OOM 类问题的事后总结、同一故障重复发生、排查走了弯路(误诊)后的检讨、经验教训沉淀为工具与 SOP。触发词:"复盘一下"、"写 postmortem"、"总结一下这次故障"、"为什么同一个问题又出现了"。
5 other projects use a version of this.
Adopted by
Most recently taken up by
- apokamo/kajitheir own version, first seen Nov 8, 2026
- dfedoryshchev/weftworkstheir own version, first seen Oct 13, 2026
- feverZHONG/liya-incident-reviewtheir own version, first seen Oct 8, 2026
- Tuteliq/claude-plugintheir own version, first seen Aug 10, 2026
- fabianmagrini/skillstheir own version, first seen May 10, 2026
Other versions5 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 5
- apokamo/kaji★ 16same name
- dfedoryshchev/weftworks★ 5same name
- fabianmagrini/skills★ 1same name
- feverZHONG/liya-incident-review★ 0same name
- Tuteliq/claude-plugin★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository15 other files it gives its agents.
- skills/iso/light/CLAUDE.mdCLAUDE.md
- ai-code-reviewSkill
- api-design-reviewSkill
- architecture-support-briefSkill
- class-design-reviewSkill
- comment-policySkill
- cpp-exemplarsSkill
- error-code-classificationSkill
- essential-tool-installSkill
- isoSkill
- notion-diagramSkill
- reportSkill
- researchSkill
- routerSkill
- test-naming-and-structureSkill
The file
Files
事故复盘纪律(incident-review)
版本 1.0 | 2026-08-20 | 三源融合,提炼并实战校验于 dts-framework OOM 事故复盘
核心命题:事故是已经付过学费的教材;复盘的产出不是报告,是"不再重演"。
0. 触发判定:什么才算"事故复盘"
满足任一条即启动本流程,一条不占则直接修完为止(普通 bug 不需要仪式):
| 判据 | 含义 |
| 重演 | 同一故障发生 ≥2 次(学费交了第二次还没换来教训) |
| 弯路 | 排查显著走偏(误诊、换错方向、依赖了错误前提) |
| 超损 | 影响超出预期(崩机、断连、资损、波及无辜系统) |
口诀:重演、弯路、超损——占一条就复盘。
1. 全周期总览:三本书各管一段
准备期 ──→ 响应期 ──→ 复盘期 ──→ 转化期
(演练/护栏) (Google) (陈中) (邱昭良)| 来源 | 管辖 | 一句话职责 |
| Google《Anatomy of an Incident》 | 事前 + 事中 | 保证事故别重演两次(护栏、缓解优先、证据留存、无责) |
| 陈中《复盘:对过去的事情做思维演练》 | 事后分析 | 保证问到自己哑口无言(四步流程 + 审视前提) |
| 邱昭良《复盘+:把经验转化为能力》 | 事后转化 | 保证下一次不需要人想得起来(双环学习 + 经验资产化) |
典型失败模式:只用第一本 → 复盘流于格式;只用后两本 → 事故在排查期间又炸了两次(响应纪律缺位)。
2. Phase 1 响应期纪律(事中,出处:Google)
这一段发生在复盘开始之前,但决定复盘的质量上限。
- 缓解优先于根因(mitigation first):先隔离触发源/回滚/降级,恢复稳定后再从容查因。 自检判据:"再触发一次,系统还安全吗?" 答案是否 → 先做隔离,不许直接开查。
- 证据立即留存:崩溃/断连时刻当场固定
journalctl -k、dmesg、应用日志导出到磁盘。 崩溃会带走页缓存里未落盘的一切;事后法证远贵于当场一条重定向。 - 时间线边处理边记:每个动作打时间戳。事后凭记忆拼时间线 = 给误诊留门。
- 跨 boot 查硬故障史:崩溃/断连类排查的第一动作固定为
journalctl -k --since <事发日> | grep -iE 'oom|panic|oops|lockup'—— 先排除硬故障(内核层),再分支推理(应用层/网络层理论)。 - 无责(blameless):复盘对事不对人。一旦变成追责会,真实过程就再也没人愿意完整给出。
3. Phase 2 复盘期(事后分析,出处:陈中)
3.1 四步流程
回顾目标 → 评估结果 → 分析原因 → 总结规律3.2 三问(顺序不可换)
- 现在情况如何?(事实层)
- 当初是怎么决定的?(决策层——还原决策时的信息与依据,不是事后诸葛亮)
- 让我们审视一下思考的前提。(认知层)★ 复盘真正的价值所在,多数复盘死在没问这一句
3.3 事实完备性门禁(5W1H)——进入原因分析前的必过闸
| 要素 | 技术事故的具体化要求 | 常见缺位 |
| What | 现象的精确度量(多少 GB、几次、什么速率) | "内存耗尽"这种泛描述 |
| When | 完整时间线,含跨环境/跨重启的全部发生点 | 只看本次,漏掉历史同款 |
| Where | 精确到层:内核 / VM / 进程 / 网络 / 框架接口语义 | 定错层 = 排查错层 |
| Who | 精确到进程/模块/代码路径,不止"哪个人" | "哪个组件"级别的模糊指认 |
| Why | 此时只许填表层因果 | 提前锚定根因,后面全在自证 |
| How | 实际处置动作(含走错的那几步) | 只记对的,弯路消失 |
门禁规则:六格不全,不得进入原因分析。
⚠️ 5W1H 的经典误用:把填完六格当成复盘完成——那得到的是一份结构良好的事故报告(描述完备),不是学习(没有因果深度、没有前提审视、没有转化动作)。它是门禁,不是本体。
3.4 前提陷阱清单(第三问的工程化弹药)
| # | 陷阱 | 真相 |
| ① | "验证过 = 没问题" | 验证只是"某环境 × 某路径"组合的通过;任一变化即失效 |
| ② | "文档记录 = 事实" | 记录者只看到了自己所在环境的分支;文档会滞后于现实 |
| ③ | "时间相关 = 因果" | 环境里有真实慢性噪声时尤其危险——真病掩护死因 |
| ④ | "参考实现 = 语义相同" | 抄返回值必须连它的消费方式一起抄(抄一半是移植 bug 之源) |
| ⑤ | "没跑起来 = 没执行" | 命令可能已在服务端执行,只是结果随崩溃丢失 |
3.5 因果深挖(5 Why)
对 5W1H 里那个表层 Why 连问五个"为什么",直到碰到可修改的机制(而不是可指责的人)。 停止判据:下一层答案是"人会小心" → 没到底;答案是"给脚本加 ulimit" → 到底了。
4. Phase 3 转化期(出处:邱昭良)
4.1 双环学习
- 第一环:修正行为(这次改了什么——加钳制、改阈值)
- 第二环:修正产生行为的认知前提(下次换场景还会犯的那条心智模式)
例:第一环 = "收缓冲要钳制到配置值";第二环 = "把'验证过'这个词降级——验证过的永远只是环境×路径的组合"。只做第一环,同类问题换着环境再来。
4.2 经验资产化三分法(行动项必须指认载体)
| 资产类型 | 形态 | 判据 |
| 工具护栏 | ulimit/超时/断言进脚本、CI 门禁 | 不需要任何人记住 |
| SOP | 排查第一步固定动作、操作手册条目 | 写进流程,依赖流程而非记性 |
| 契约 | 代码注释、接口文档、设计文档条目 | 跟随代码被审查 |
验收规则:说不出某条教训"活在哪个载体里",视为未完成。
5. 工具选型表(防误用)
| 层 | 工具 | 防的失败模式 | 出处 |
| 时序还原 | 时间线 | 凭记忆拼事件顺序 | 通用 |
| 事实完备 | 5W1H(门禁) | Who/Where 定不到位、错层 | 质量管理经典 |
| 因果深度 | 5 Why | 停在表层原因收手 | 丰田 |
| 原因发散 | 鱼骨图 | 单因假设、漏系统性原因 | 质量管理经典 |
| 认知层 | 审视前提(第三问) | 只修行为不修前提 | 陈中 |
| 心智修正 | 双环学习 | 前提修了但不固化 | 邱昭良 |
| 全周期 | 生命周期管理 | 事故在复盘完成前重演 | Google SRE |
6. 复盘文档模板(五段)
# <事故名> 复盘(<日期>)
## 1. 事实(5W1H 六格 + 完整时间线,含跨环境发生点)
## 2. 根因链(从现象到可修改机制的完整因果链,标注证据等级:铁证/推断/继承)
## 3. 为什么没拦住(测试、护栏、流程各缺了哪道防线)
## 4. 为什么走了弯路(诚实检讨:前提陷阱命中了哪几条)
## 5. 改进措施(双环两行 + 每项注明资产载体:工具/SOP/契约)证据分级借用 ros2-amr-debug 的三级制:铁证(原始数据可复现)/ 推断(机制合理未做区分实验)/ 继承(他人结论),禁止把推断说成确定。
7. 出处
- Google SRE, Anatomy of an Incident(O'Reilly, 2022)· sre.google 原文
- 陈中,《复盘:对过去的事情做思维演练》
- 邱昭良,《复盘+:把经验转化为能力》
- 实战校验样本:dts-framework 2026-08-20 OOM 事故复盘(存于该项目仓库,本库只放方法论)
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

