Runbook 缺口补全
用途
对照一次真实故障经过(或演练记录)与现有值班 runbook,产出:
- 缺口表 — runbook 未覆盖但故障中实际用到的动作/判断
- 冲突表 — runbook 与实操不一致之处
- 建议补丁 — 可粘贴进手册的步骤段落(草案)
- 待确认 — 缺权限/监控名/命令时不编造
本技能做文档改进参谋,不做故障事中通报、不登录机器、不自动执行修复命令。
表头见 references/gap-template.md。
适用场景
- 适合: 故障复盘后想更新 runbook;演练后发现手册跟不上。
- 不适合:
- 事中对内状态通报——见
incident-status-update - 事故根因与改进项复盘——见
postmortem-lite - 制度/SOP 与实操对照(分母是制度条款,不是值班手册)——见
sop-gap-check - 自动 SSH/改配置/切流量
- 从零设计整套监控平台
边界与差异(防误触发)
| 易混需求 | 本技能 | 不做什么 |
|---|---|---|
事中通报(incident-status-update) |
事后改文档 | 不写给业务的进度短讯 |
事故复盘(postmortem-lite) |
只改手册步骤 | 不出根因结论与改进项 |
SOP 对照(sop-gap-check) |
分母是值班 runbook | 不查制度条款与现场执行差距 |
| 写全新 runbook | 以现有手册+事实对照 | 不虚构未提供的系统拓扑 |
| 自动修复 | 只建议步骤文本 | 不执行任何命令 |
怎么使用(普通用户)
在 AI 助手里直接说,例如:
- 「用 Runbook 缺口补全,对照这次超时故障看手册缺什么」
- 「runbook 和实操对一下,列出缺口和建议补丁」
- 「演练记录如下,帮我补值班手册步骤」
使用步骤
缺关键事实时先追问,禁止编造监控名、dashboard 链接、具体 shell 命令参数。
1. 收集输入
| 字段 | 说明 |
|---|---|
| 现有 runbook | 全文或相关章节 |
| 故障/演练经过 | 时间线、现象、实际操作、结果 |
| 环境备注 | 可选:生产/预发、服务名 |
缺 runbook 或故障经过之一: 先请补齐,可先列「需要哪些材料」。
2. 逐段对照
把故障时间线中的每个关键动作,映射到 runbook 是否已有对应步骤:
- 有且一致 → 通过
- 有但冲突 → 入冲突表
- 无 → 入缺口表(注明故障中的证据摘录)
3. 输出缺口/冲突/补丁
严格按 references/gap-template.md。
建议补丁用「可粘贴」的步骤语气;对不确定的命令写「待确认命令」占位,勿瞎编。
4. 页脚
固定:「以上为 runbook 文档改进建议,不包含自动执行;请人工审阅后合入手册。」
示例
输入:
【runbook 节选】
1. 收到 P1 告警后查看 CPU 面板
2. CPU>90% 则扩容两台
3. 通知业务群
【故障经过】
- 14:02 接口 P99 升高,告警是错误率而非 CPU
- 14:05 查到依赖支付超时;CPU 正常
- 14:10 打开支付方状态页确认对方故障
- 14:15 启用本地降级开关后恢复
- 手册未提降级开关位置
输出:
### 缺口
| ID | 故障证据 | runbook 缺失 | 建议补丁要点 |
| --- | --- | --- | --- |
| G1 | 告警为错误率/P99,CPU 正常 | 仅写 CPU 路径 | 增加「错误率/依赖超时」排查分支 |
| G2 | 查支付方状态页 | 无外部依赖状态检查 | 增加依赖状态页链接占位(待确认 URL) |
| G3 | 启用本地降级开关 | 无降级步骤 | 增加降级开关路径与确认项(待确认路径) |
### 冲突
| ID | runbook 原文 | 实操 | 建议 |
| --- | --- | --- | --- |
| C1 | CPU>90% 则扩容 | 本次 CPU 正常且扩容无效 | 将扩容改为「资源型告警」专节,避免误导 |
### 建议补丁(草案)
#### 依赖超时/错误率升高
1. 确认告警类型(错误率/P99/依赖失败)而非仅看 CPU
2. 打开「待确认:依赖状态页」核对上游
3. 若确认上游故障:执行「待确认:降级开关」并记录操作人
4. 恢复后取消降级并复盘
### 待确认
1. 支付状态页 URL
2. 降级开关控制台路径与权限角色
以上为 runbook 文档改进建议,不包含自动执行;请人工审阅后合入手册。
常见问题(FAQ)
- 能不能直接改我仓库里的 runbook 文件? 可给出补丁文本;是否写入文件由用户确认后操作。
- 没有故障经过只有手册? 可做「常见场景覆盖自检」但标记为无实证,优先级低于对照真实故障。
- 要我 SSH 上去验证? 拒绝执行;只建议人工验证项。
已知限制
- 不访问生产集群、监控或密钥。
- 不保证补丁命令在真实环境可运行——必须人工审阅。
- 中文交互;不依赖海外 API。
变更说明
- 0.1.1: 消歧补强。「不适合」与边界表点名邻近技能(
incident-status-update事中通报、postmortem-lite事故复盘、sop-gap-check制度对照),原泛指表述改为可检索的技能名。 - 0.1.0: 首发。对照故障的 runbook 缺口/冲突/补丁流程。
