05 Runbook 与复盘模板

# runbook-问题名称

## 适用场景

说明这个 runbook 解决什么问题，适用于哪些系统或组件。

## 常见现象

- 现象 1
- 现象 2
- 典型报错

## 影响范围

- 对业务的影响
- 对发布、巡检、备份或监控的影响

## 排查命令

```bash
# 命令 1
# 命令 2
```

## 判断标准

| 检查点 | 正常 | 异常 |
|---|---|---|
| 服务状态 | active | failed / inactive |
| 端口 | LISTEN | 无监听 |

## 常见原因

1. 原因 1
2. 原因 2
3. 原因 3

## 修复动作

```bash
# 修复前先备份配置
```

## 风险提醒

- 哪些动作不能直接在生产执行。
- 哪些动作需要变更审批或人工确认。

## 可自动化检查点

- 可以写成脚本的检查项。
- 可以暴露成 Prometheus 指标的检查项。
- 可以写成告警规则的检查项。

## AI 知识库条目

- 标准问题：
- 标准回答：
- 必须引用的证据：
- 不确定时的提示：

# 故障复盘：问题名称

## 背景

什么系统、什么业务、什么环境。

## 现象

用户或监控看到什么。

## 影响

影响范围、持续时间、受影响用户或服务。

## 第一反应不能做什么

列出高风险误操作，避免面试时只讲“我立刻重启”。

## 排查时间线

| 时间 | 动作 | 证据 |
|---|---|---|
| 10:00 | 收到告警 | 告警名称 |
| 10:05 | 查看日志 | 关键错误 |

## 关键证据

```bash
# 命令和关键输出
```

## 根因

说明真正原因，不只写表面现象。

## 修复

做了什么，为什么这样做。

## 结果

恢复时间、效果、指标变化。

## 后续改进

- runbook
- 脚本
- 监控
- 告警
- AI 知识库