AI CodeOps

Agente Site Reliability

El agente Site Reliability redacta postmortems sin culpables, SLO, alertas y entradas de runbook. Cierra Incident Response, así que su postmortem es el resumen.

El agente Site Reliability escribe el registro operativo. Según lo que se le pida, redacta objetivos de nivel de servicio (SLO), alertas, entradas de runbook o postmortems sin culpables. En los flujos de trabajo integrados, su trabajo es el postmortem.

Dónde se ejecuta

Flujo de trabajoPaso
Incident ResponsePostmortem

Es el quinto y último paso de Incident Response. Antes, el Incident Responder hizo el triaje del incidente, el Architect encontró la causa raíz, el Builder describió una mitigación, la sesión la escribió y ejecutó las pruebas del proyecto, y el Tester comprobó el cambio escrito. El paso Postmortem también se ejecuta después de que se escriba el código.

Entradas

  • La tarea de la sesión, con los datos del incidente que aportaste.
  • Una instantánea de solo lectura de los archivos relevantes del repositorio del proyecto.
  • Los cuatro pasos anteriores de la sesión, abreviados.
  • La mitigación tal como se escribió (un diff, recortado para que quepa y con el recorte marcado cuando es largo) y el resultado de pruebas registrado.

Salidas

Un postmortem sin culpables en texto, normalmente con:

  • Un resumen y el impacto.
  • La cronología del triaje.
  • La causa raíz y los factores contribuyentes.
  • Qué fue bien y qué no, en la detección, la respuesta y la recuperación.
  • Acciones de seguimiento, como una alerta que habría detectado el problema antes o una prueba que lo habría frenado.

Como se ejecuta el último, el postmortem se muestra como el resumen de la sesión. Se escribe después de que se ejecutaran las pruebas, y la página de la sesión muestra un aviso si lo que dice sobre las pruebas contradice el resultado registrado. La mitigación en sí sale de la sesión como un diff, que pasa por el control de publicación.

Ejemplo de ejecución

Ejemplo ilustrativo, no una sesión registrada. Después del incidente de checkout del ejemplo de la página del Incident Responder, el agente Site Reliability escribe el postmortem. Impacto: el checkout falló para los clientes de un proveedor de pagos durante unos 25 minutos. Causa raíz: una respuesta del proveedor sin código de moneda, que el nuevo adaptador no gestionaba. Factor contribuyente: ninguna prueba usaba la forma real de las respuestas de ese proveedor. Follow-ups (acciones de seguimiento): una alerta cuando la tasa de errores del checkout supere el 2% durante cinco minutos, una prueba de contrato con respuestas grabadas del proveedor y una entrada de runbook sobre cómo hacer rollback de un despliegue.

Límites

  • Su cronología es tan exacta como los datos de la tarea. Contrasta las horas con tus propios registros.
  • No crea alertas ni SLO en tu sistema de monitorización. Los redacta.
  • En una sesión de respuesta a incidentes, los elementos bajo el encabezado Follow-ups del postmortem se convierten en tareas del tablero Plan (salvo que el espacio de trabajo lo haya desactivado). Los elementos que escribe en otras partes del postmortem, no.

Preguntas frecuentes

¿Se guarda el postmortem en algún sitio?

Es el último paso de Incident Response, así que se muestra como el resumen de la sesión y se conserva con los pasos de la sesión. Cópialo en tu propio registro de incidentes si lo llevas en otro sitio.

¿Por qué sin culpables?

Los postmortems que culpan a las personas hacen que las personas oculten los errores. El agente escribe sobre sistemas, señales y decisiones, no sobre quién hizo qué.