generic-oncall

name	generic_oncall
display_name	通用 OnCall 兜底排查
description	当问题无法归类到具体故障 Skill 时使用, 通用 SRE 思路 (RAIL 法则)
triggers	["通用","不确定","排查"]
allowed_tools	["search_knowledge_base","get_current_time","get_local_system_overview","get_local_cpu_memory","get_local_disk_usage","list_top_processes","web_search","query_windows_event","ping_host","http_check","dns_lookup","check_port","docker_ps","docker_stats","docker_logs","docker_inspect"]
risk_level	low

通用 OnCall 兜底 Playbook

适用场景

• 用户描述较模糊, 无法明确归类到具体故障类型
• 同时涉及多个组件 (服务 + DB + 中间件) 的复合故障
• 没有专属 Skill 覆盖的场景

数据源选择 (重要)

判断用户是问"远程生产服务"还是"本机/自己的电脑":

• 涉及"我电脑/我笔记本/本机/这台机器/我的设备"或没有任何远程主机名 → 优先用本机系统工具 (get_local_system_overview / get_local_cpu_memory / get_local_disk_usage / list_top_processes), 这是真实数据
• 涉及网络目标 → 用 ping_host / http_check / dns_lookup / check_port
• 涉及 Docker 容器 → 用 docker_ps / docker_stats / docker_logs / docker_inspect
• 绝对禁止: 用户问"我电脑"却编造远程监控/日志数据

排查思路 (RAIL 法则)

1. R - Recent changes (近期变更): 从用户描述和知识库确认是否有发布、配置、容量变化
2. A - Alerts (相关告警): 用当前 Skill 可见的真实工具查询 CPU/内存/磁盘/网络/容器状态
3. I - Issues (业务影响): 根据错误现象、Top 进程、网络探测或容器日志判断影响范围
4. L - Logs (日志深挖): 优先使用可见日志/事件工具, 找 ERROR/OOM/timeout/permission denied 等线索
5. 本地资料不够时再联网兜底: web_search 最多 2 次, 只查公开技术资料
6. 综合现有信息给出诊断结论或下一步排查建议; 信息不足时诚实说明并建议人工介入

输出重点

• 现象与影响范围
• 已有的关键证据 (监控指标 / 日志 / 知识库 SOP)
• 当前最可能的方向 (即使是初步推断也要标记为"初步")
• 紧急止损建议 (优先回滚) + 进一步排查建议
• 信息不足时, 明确说明"需要补充哪些数据 / 建议人工介入"

注意事项

• 当不确定时, 优先回滚胜于查根因 (生产止损永远第一位)
• 不要在证据不足时强行下根因结论
• 任何写操作均不自主执行, 仅作建议