标准答案
- 先建立无责时间线，记录发布、配置、告警、人工操作、用户影响和恢复动作，区分事实与假设。
- 直接原因可以是错误配置、代码缺陷或依赖故障；系统性原因可能是缺少校验、监控、灰度、权限或演练。
- 改进行动应具体到规则、自动化、测试、仪表盘、文档或架构变化，并明确负责人和完成标准。
- 复盘结论需要跟踪落地，下一次类似变更应能证明风险被更早发现或影响被更小控制。
题目解析
追责式复盘会让人隐瞒风险和错误，系统性问题继续存在。关注决策当时的信息和约束，才能发现流程为何没有提供足够保护。
“加强注意”“提高意识”不是可验证行动。好的行动会改变系统行为，例如增加配置校验、自动回滚或演练脚本。
常见误区
- 只写最终修复，没有记录影响和发现过程。
- 把单个操作人当成根因，忽略缺少防护的系统。
- 行动项没有负责人、日期或验收标准。