1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | incident-postmortem-github-awesome-copilot |
| 作者/维护者 | github/awesome-copilot(社区贡献仓库,本技能由贡献者 sudeepghatak 提交) |
| 来源链接 | https://github.com/github/awesome-copilot/tree/main/skills/incident-postmortem |
| 许可证 | MIT(数据来自 GitHub API) |
| GitHub Stars | 39,421(数据来自 GitHub API;⚠️ 属整个合集仓库,不代表本技能自身热度,详见第 8 节) |
| Forks | 5,009(数据来自 GitHub API,同为合集整体数字) |
| 最新版本 | 无独立版本号;本技能文件最近一次提交为 2026-06-17(数据来自 GitHub API) |
| 安装方式 | 复制 skills/incident-postmortem/SKILL.md 到目标 agent 的技能目录,或通过 GitHub Copilot 技能市场一键添加 |
2. 功能介绍与亮点
incident-postmortem 是一个纯提示词/模板类技能,引导团队在生产事故(宕机、服务降级、显著性能劣化)解决后,写出一份结构完整、无归责倾向(blameless)的事故复盘文档。
核心能力:
- 信息收集清单:按事故标题、检测/解决时间、严重级别、影响范围、值班负责人等字段引导用户补全,缺项时主动追问,不会跳过关键信息就动笔。
- 时间线重建:逐条还原关键节点(首次症状、告警触发、上报、定位、缓解、恢复、对外沟通),并主动标记时间线中的空白区间,提示“这段时间发生了什么需要查日志核实”。
- 五问法根因分析(5 Whys):附具体示例链条,区分“根本原因”与“促成因素”,并给出明确的停止判据——追问到能落地成一条行动项为止。
- 影响量化:引导区分“检测到解决”与“故障发生到解决”两个时长口径,量化峰值错误率、受影响流量占比等。
- 行动项生成:强制每条行动项必须有具名负责人(而非团队)与截止日期,并给出反面示例表格(如“改进监控”这类空泛表述会被打回,要求拆成具体可执行项)。
- 完整输出模板:内置一份可直接套用的复盘文档 Markdown 模板,覆盖摘要、影响、时间线、根因、促成因素、做得好的地方、可改进之处、行动项、经验教训九个板块。
- 常见错误对照表:列出“归责式表述”与“系统性表述”的正反例(如“Bob 忘了检查配置”应改写为“部署清单未包含配置校验”),帮助使用者把“人的失误”追问成“系统的缺口”。
主要亮点:内容自成体系、不依赖任何外部工具或 API,复制即可使用;被 GitHub 官方维护的社区技能合集收录,经过仓库的贡献审阅流程。
3. 适用场景
所属分类:DevOps 与基础设施
适用于任何维护线上生产服务的团队——不限定云厂商或技术栈。典型场景:
- SRE / 运维团队在一次 P1-P4 级生产事故解决后,需要在 48–72 小时内产出复盘文档;
- 工程主管希望把事后复盘的语言规范从“追责”扭转为“系统性归因”,统一团队书写习惯;
- 初中级工程师第一次主导复盘、不清楚该问哪些问题、该按什么结构写,可直接照着清单走完全程;
- 需要为一次接近事故(near-miss)留存学习记录,避免下次真正踩坑。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | ✅ 原生支持 | 标准 SKILL.md(YAML front matter + 指令正文),符合 Agent Skills 规范,可直接复制进技能目录 |
| Codex | ⚠️ 需适配 | SKILL.md 标准格式通用,但 Codex 不会自动发现自定义技能目录,需在会话中显式引用路径 |
| OpenClaw | ❓ 未验证 | 未找到该平台对此技能的适配记录 |
| Hermes Agent | ✅ 原生支持 | Hermes 按路径扫描子目录探测 SKILL.md,标准格式可被直接发现 |
5. 推荐理由
生产事故复盘是几乎所有工程团队迟早要做、却普遍缺乏训练的一件事:写得好能沉淀出真正的系统性改进,写不好就变成一份没人愿意看的追责记录或走过场文档。这个技能把“如何问、如何追、如何写”拆解成了一套可执行的固定流程——从时间线重建到五问法根因分析,再到强制带负责人和截止日期的行动项,每一步都配了具体示例和反面对照,不需要使用者本身就懂事后复盘方法论。对初中级工程师尤其有价值:不必现学 SRE 复盘的最佳实践,跟着清单走一遍,产出的文档结构就已经达到成熟团队的标准。技能本身零依赖、零配置,复制即用,适合作为团队标准流程的起点。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 第三方技能市场 skills.sh 收录该技能安装数 104,是同名/同概念技能中安装量最高的版本;除该项装机数据外,暂未找到独立于此的第三方讨论 |
| 可用性 | 9 | 纯 Markdown 提示词技能,无需任何外部工具、API Key 或环境配置,复制即可使用;文档结构完整,内置可直接套用的输出模板与常见错误对照表,示例齐全 |
| 安全性 | 9 | 见下方安全检查清单 |
安全检查清单:
| 检查项 | 结果 |
|---|---|
| ① Shell 命令执行及权限范围 | 无——纯文本指令,不执行任何命令 |
| ② 运行时联网外发数据 | 无——不发起任何网络请求 |
| ③ API Key/凭据要求 | 无——不涉及任何凭据 |
| ④ 可疑指令/Prompt Injection 迹象 | 无——全文通读未发现要求执行操作、访问文件或凭据的异常指令 |
| ⑤ 作者/组织信誉 | 良好——收录于 GitHub 官方维护的社区技能合集,经仓库审阅流程合并 |
| ⑥ License | 明确,MIT |
| ⑦ 最近维护时间 | 本文件最近提交于 2026-06-17,所属仓库整体活跃维护(近日仍有提交) |
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的差异 |
|---|---|---|
| incident-response-harness(harness-skills) | 侧重事故发生过程中的实时响应与处置协调 | 面向“事中”应急指挥,不覆盖事后复盘文档的结构化写作 |
| post-incident-review(UnitOneAI Security Skills) | 面向安全事件的事后审查 | 聚焦安全入侵/数据泄露类事件的合规审查角度,通用生产事故(如性能劣化、服务中断)不是其核心场景 |
| dd-apm 根因分析(Datadog Labs Agent Skills) | 基于 Datadog APM 数据做技术性根因定位 | 依赖 Datadog 平台数据接入,产出是技术诊断而非面向团队沟通的复盘文档 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。第三方技能聚合站点 skills.sh 显示其安装数为 104(在同名/同概念的多个第三方复刻版本中排名第一),可作为客观使用量参考。
9. 其他补充
无。
10. 安装使用方式
- Claude Code / Hermes Agent:将
skills/incident-postmortem/SKILL.md复制到本地 agent 的技能目录(如.claude/skills/incident-postmortem/SKILL.md),无需重启,下次对话中提及“写一份事故复盘”“ incident review“等触发短语即可自动调用。 - GitHub Copilot:可通过 Awesome GitHub Copilot 技能市场 页面一键添加到已连接的仓库。
- Codex:需在会话中显式引用该 SKILL.md 文件路径,不会被自动发现。
安装后无需任何额外配置(无 API Key、无外部服务依赖)。
11. 注意事项
- 本技能不会自动读取日志、告警或聊天记录,所有事故信息(时间线、影响范围等)需使用者手动提供或粘贴,技能只负责结构化引导与写作,不具备自动取证能力。
- 内置输出模板中的时间统一按 UTC 标注,团队若习惯本地时区需自行换算或调整模板。
- 作为合集仓库中的独立子技能,其收录、维护节奏依附于 github/awesome-copilot 仓库整体的社区贡献流程,非某个厂商官方产品线的正式承诺。