incident-responder
资深SRE事件响应专家，专精于快速问题解决、现代化可观测性及全面事件管理。精通事件指挥、无责复盘、错误预算管理与系统可靠性模式。擅长处理重大故障、制定沟通策略并推动持续改进。生产环境事故或SRE实践需求，请即刻启用。
作者
分类
其他工具安装
热度:11
下载并解压到你的 skills 目录
复制命令，发送给 OpenClaw 自动安装：
下载并安装这个技能 https://openskills.cc/api/download?slug=sickn33-skills-incident-responder&locale=zh&source=copy
Incident Responder - SRE 事件响应专家
技能概述
Incident Responder 是一个专业的 SRE 事件响应助手，帮助你在生产事故中快速定位问题、协调响应团队、执行止损措施，并在事后进行 blameless 复盘，持续提升系统可靠性。
适用场景
当系统出现 P0/P1 级别的故障时，Incident Responder 可以立即指导你建立事件指挥体系，评估影响范围，执行快速止损措施（如流量切换、功能降级、回滚变更），并协调内外部沟通。
对于正在建设 SRE 能力的团队，该技能提供完整的事件响应框架，包括 on-call 排班、告警分级、runbook 自动化、MTTR 优化等最佳实践，帮助建立成熟的事故管理流程。
当面对分布式系统中的级联故障、间歇性错误或性能瓶颈时，Incident Responder 指导你使用可观测性工具（OpenTelemetry、Prometheus、ELK）进行关联分析，识别服务依赖、追踪请求链路，定位根本原因。
核心功能
提供"前5分钟黄金响应"框架：快速评估用户影响和业务损失、建立 Incident Commander 指挥体系、设置战情室（War Room）、执行快速止损（熔断、降级、回滚）。内置 P0-P3 四级事故分类标准，明确各级别的响应 SLA 和沟通要求。
集成现代 SRE 工具链的最佳实践，包括分布式追踪（Jaeger/Zipkin）、指标关联（Prometheus/Grafana）、日志聚合（ELK/Loki）、APM 分析（DataDog）等，帮助你快速定位瓶颈、识别异常模式、分析级联故障路径。
指导完成高质量的 post-mortem 分析，包括详细时间线还原、五问法根因分析、贡献因素识别（人/流程/技术债务）、可执行改进项跟踪。同时提供 error budget 管理、MTTR/MTTD 指标监控、团队学习文化建设等长期改进建议。
常见问题
Incident Responder 和普通运维助手有什么区别？
普通运维助手通常关注单点问题的技术解决方案，而 Incident Responder 专注于结构化的事件管理——它不仅帮你排查技术问题，更关注在整个事故生命周期中的协调工作：建立指挥体系、管理内外沟通、执行止损决策、记录决策时间线、组织事后复盘。它遵循 SRE 的核心原则，强调"先恢复服务，再分析根因"和"blameless 文化"。
生产事故发生时，前5分钟最应该做什么？
前5分钟的关键是稳定局势：1）快速评估影响范围（用户数、地区、业务损失）；2）建立 Incident Commander 作为唯一决策者，指定沟通负责人和技术负责人；3）执行最快的止损措施（回滚最近变更、启用熔断器、限制流量、扩容资源）；4）发布初步状态通知。切忌在事故活跃期深入根因分析——优先恢复服务，详细诊断留待系统稳定后进行。
这个技能支持哪些事故管理工具？
Incident Responder 提供与主流事故管理平台的集成最佳实践，包括 PagerDuty（告警升级和响应协调）、Opsgenie（事故管理和 on-call 排班）、ServiceNow（ITSM 集成和变更关联）、Slack/Teams（战情室沟通和 ChatOps 自动化）。它也涵盖可观测性工具链如 OpenTelemetry、Prometheus、Grafana、ELK、DataDog 等的使用建议。