事故复盘模板¶

目标：从“出过问题”变成“能系统复盘并防止再次发生”。

一、复盘不是写总结，而是写闭环¶

一份合格复盘必须同时覆盖：

影响面
时间线
根因
检测与响应
修复动作
长期治理
负责人和完成时间

二、推荐模板¶

Markdown

# 事故复盘

## 1. 事故摘要
- 时间：
- 等级：P0 / P1 / P2
- 影响范围：
- 影响指标：

## 2. 时间线
| 时间 | 事件 |
|------|------|
| | |

## 3. 用户影响
- 受影响请求数：
- 受影响用户数：
- 业务损失：

## 4. 根因分析
- 直接根因：
- 触发条件：
- 为什么未提前发现：

## 5. 5 Whys
1. 为什么：
2. 为什么：
3. 为什么：
4. 为什么：
5. 为什么：

## 6. 处置过程
- 临时止血：
- 回滚/降级：
- 恢复时间：

## 7. 行动项
| 动作 | 类型 | 负责人 | 截止日期 | 状态 |
|------|------|--------|----------|------|
| | 短期/长期 | | | |

## 8. 经验教训
- 应保留：
- 应禁止：
- 下次如何更早发现：

三、不同交付线的典型事故¶

AI 应用工程：错召回、幻觉上升、工具误调用
AI 基础设施：OOM、尾延迟抖动、路由异常
数据与平台工程：脏数据、迟到数据、索引错乱、在线离线不一致