name: 事件响应 description: 系统响应生产事件，包括分类、调查、解决和后处理分析，以最小化停机时间并防止复发。用于处理生产中断、分类事故、调查关键错误、协调事件响应、实施热修复、进行后处理分析或建立事件响应程序。
事件响应 - 生产问题管理
何时使用此技能
- 响应生产中断
- 分类关键事故
- 调查高严重性错误
- 协调事件响应团队
- 实施紧急热修复
- 进行后处理分析
- 建立事件响应程序
- 在事故期间沟通状态
- 创建常见问题运行手册
- 实施回滚策略
- 记录事故时间线
- 防止事故复发
何时使用此技能
- 响应中断、管理事故、进行后处理分析。
- 当处理相关任务或功能时
- 在需要此专业知识的开发过程中
使用时机：响应中断、管理事故、进行后处理分析。
事件响应流程
1. 检测
- 监控警报
- 用户报告
- 自动检查
2. 分类
- 评估严重性（P0-P4）
- 呼叫值班工程师
- 创建事故频道
3. 缓解
- 回滚到最后一个已知良好状态
- 扩展资源
- 应用热修复
- 沟通状态
4. 解决
- 验证修复
- 监控指标
- 更新状态页面
- 关闭事故
5. 后处理分析
- 事件时间线
- 根因分析
- 行动项
- 后续任务
严重性级别
- P0（关键）：完全中断，数据丢失
- P1（高）：主要功能损坏，收入影响
- P2（中）：性能下降，存在变通方案
- P3（低）：小错误，外观问题
- P4（信息性）：增强请求
示例运行手册
# 高CPU使用率运行手册
## 症状
- 服务器CPU > 90%
- 响应时间慢
- 请求超时
## 调查
1. 检查顶级进程：`top`
2. 检查内存：`free -h`
3. 检查日志：`tail -f app.log`
## 缓解
1. 水平扩展：添加服务器
2. 重启服务：`systemctl restart app`
3. 速率限制：启用积极速率限制
## 解决
1. 识别根因（N+1查询、内存泄漏等）
2. 部署修复
3. 监控1小时
沟通模板
[事故] 服务X性能下降
状态：调查中
影响：20%的用户看到加载时间慢
预计时间：30分钟
更新：
- 10:00 AM：问题检测
- 10:05 AM：值班呼叫，调查开始
- 10:15 AM：根因识别（数据库瓶颈）
- 10:30 AM：修复部署，监控中
下次更新：11:00 AM