S标准T2+T3优先级 8.0时间线自动梳理5Why 辅助改进项跟踪30 分钟初稿

VA-03 · 事故复盘初稿

事故复盘停在「下次注意」—— 三个月后同类事故再来一次 · 复盘的价值在改进项闭环,初稿是闭环的起点

一这件事现在是什么样

验收与发布 · 真实业务触发

周四 15:23,运维群弹出告警:标准版部分客户的巡检上报超时。17:40 恢复,影响 9 家客户、累计异常 96 分钟。陈默要求周五上午出复盘。以往复盘的流程是:江晓连夜翻群消息和告警记录、凭记忆拼时间线、初稿写到凌晨两点 —— 而上上次复盘的三条改进项,有一条「建立发布检查执行留痕」落空了(VA-02 这次才补上)。复盘本身,也到了该被复盘的时候。

二痛点 · 每条都有来源

不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处

1
复盘的通病是「只停留在口头,下次还会重演」:同类事故二次发生的根因不是没复盘、是改进项没有跟踪闭环依据 · Agent 项目的行业失败率:麦肯锡统计超 90% 企业 Agent 试点即失败,「Demo 惊艳、两周被叫停」的复盘直指责任归属无人敢碰 —— 每个场景必须有人拍板点
3
《如期上线》的复盘基线要求时间线/影响面/根因/改进项四要素 —— 而多数复盘死在「根因写成现象、改进项写成态度」依据 · 发布管理的实操基线:《如期上线》复盘模板要求发布前核对影响范围、回滚预案与灰度计划;需求确认书(In/Out of Scope)是对外交付的护身符

三换个做法之后

变化不在「快」,在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 复盘的通病是「只停留在口头,下次还会重演」:同类事故二次发生的根因不是没复盘、是改进项没有跟踪闭环
  • 初稿的体力活占了大头:翻告警、对群消息、拼时间线 —— 两小时的会议开完,写初稿又要一个凌晨
  • 《如期上线》的复盘基线要求时间线/影响面/根因/改进项四要素 —— 而多数复盘死在「根因写成现象、改进项写成态度」

✓ 交给 Agent 之后

  • 多来源文件一次读入,先做口径与完整性校验,再开始算
  • 每条结论绑定来源文件、字段或条号,可以被审
  • 产出是企业真会流转的正式件(带签批栏),不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」,并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
时间线梳理 · 每个节点带证据15:23 告警→15:31 响应→16:05 定位→17:40 恢复 —— 每个节点配群消息或告警的原始引用
第 2 步
影响面量化 · 客户/时长/业务9 家客户、96 分钟、上报受影响的工单数 —— 数字化的影响面,不写「部分用户」
第 3 步
5Why 辅助 · 每层给证据不给结论超时→连接池耗尽→发布引入的配置未生效→检查清单没有环境项→模板两年未升级 —— 每层标证据强度
第 4 步
历史改进项审计 · 闭环检查上上次的三条改进项逐条核对状态 —— 落空的标出(本次事故与其相关性)
第 5 步
复盘会材料 · 事实在前定性在后初稿只摆事实与证据链,根因与改进项留白给会议 —— 「复盘会开在事实上」

要准备什么

告警与监控记录
时间戳最硬的证据 —— 原样扔进来
事故期间的群消息
运维群/研发群/客服群的原始记录
受影响客户与工单
影响面的量化 —— 客服侧的对照
上上次复盘的改进项清单
该闭环的先审 —— 复盘的连续性

为什么这个场景值得做

痛感 4 × AI 适配 4 ÷ 落地难度 2 = 8.0

最大差异点 · 不要求先有 APM 系统。告警记录、群消息截图、工单导出扔进来 —— 时间线 30 分钟成稿,复盘会开在事实上而不是记忆上。

评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件本体
事故复盘初稿.xlsx
正式件本体 · 时间线 + 影响面 + 5Why 证据链
可派发清单
历史改进项审计表.xlsx
上上次的改进项逐条核状态 · 落空项与本次的关联
可派发清单
复盘会材料包.txt
事实部分成稿 · 根因与改进项留白 · 会议议程建议

这套东西不承诺什么

不做「根因认定」—— 5Why 的每一层都给证据链,最终归因是复盘会上人的共识。也不做「责任判定」—— 初稿只摆事实,定性留给人。

想看具体怎么跑?

Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了