技能说明
适用于服务故障手册、数据库与集群故障流程、值班交接、事故培训和事后流程标准化。边界：内容是通用模板，必须按真实服务、权限、命令和升级联系人改写，不会自动处理线上故障。
关于此技能
用清晰、可执行的步骤编写生产事故响应手册，覆盖发现、分级、排查、缓解、恢复、验证、回滚、沟通和升级。
核心能力
分级与响应框架
提供 SEV1 至 SEV4 的影响、响应时间和示例，帮助团队先统一优先级与责任边界。
从发现到恢复
把告警、初步排查、缓解、根因调查、恢复、验证和回滚组织成值班人员可按顺序执行的流程。
沟通与持续改进
包含升级矩阵、定时状态更新、前置条件、失败分支、最近验证日期和事后复盘要求。
适用场景
服务故障手册
为支付、数据库、集群或其他关键服务整理 3 AM 也能照着执行的恢复步骤。
值班交接与培训
给新值班工程师提供明确的告警入口、排查顺序、升级联系人和安全回滚路径。
事故后的流程标准化
复盘真实事故后补齐缺失步骤、验证点、沟通模板和定期演练计划。
使用步骤
- 01
第一步：定义影响与前置条件
写清服务范围、影响用户、严重级别、权限、集群或数据库上下文及每条命令的前置检查。
- 02
第二步：编排排查与缓解
按告警、近期变更、依赖、资源和数据状态安排步骤，给出失败分支、预期结果和必要的升级路径。
- 03
第三步：恢复后验证
确认服务恢复、关键指标正常、回滚有效，并记录最近验证日期、负责人和事后复盘任务。
常见问题
它能直接替我处理线上故障吗？+
不能。它生成和规范化响应手册，实际执行仍需值班人员确认环境、权限、影响范围和每一步结果。
手册里的命令可以直接复制执行吗？+
不应盲目复制。kubectl、SQL 和其他命令必须先核对上下文与前置条件，涉及终止连接、删除或回滚的操作要先做检查并保留审批。
怎样避免手册过时？+
建议每次事故后更新，顶部记录负责人和最近验证日期，并通过 CI 或定期演练检查端点、集群名称、仪表盘链接和恢复路径。
安装前检查
把兼容性、来源和安装入口先看清楚，再放进自己的工作流。
Codex · Claude Code · Cursor
已提供来源链接
命令可直接复制
2026/09/04
安装提醒：这项技能可能涉及网络、脚本、文件或凭据权限，安装前请先阅读 SKILL.md，并确认它需要哪些权限。
npx skills add wshobson/agents --skill incident-runbook-templates -a claude-code -g