新版本上线后错误率上升，AI能判断应该回滚还是继续观察吗？

版本发布十分钟后，错误率从基线上方快速抬升，延迟也开始波动。值守人员已经打开回滚手册，但本次变更包含数据库迁移，直接退回旧代码可能读取不了新字段。

此时需要的是短周期、可更新的决定记录，而不是等事故结束后写一份完整报告。AI可以把证据拉到同一时间轴并提醒缺项，生产操作仍由事故指挥授权。

先确认相关性和影响面

记录发布前基线、每个发布批次、首次异常时间和受影响请求。比较未发布实例、区域或用户群，检查是否同时发生依赖故障、流量变化或配置变更。时间接近是强信号，但不是唯一证据。

• 错误类型与受影响功能
• 用户数量、交易或关键任务影响
• 延迟、资源与依赖状态
• 变化是否随发布比例扩大
• 是否存在安全或数据完整性风险

回滚能力必须单独验

把决定写成可撤销动作

每次选择都写明证据、操作人、开始时间、预期变化、观察窗口和停止条件。先停止继续发布通常比立即全量回滚更可逆；若用户影响快速扩大或涉及数据完整性，就应提高处置速度。

任务说明要把决定和交付物写出来

只说“帮我分析”会得到一份难以验收的总结。任务单应把触发事件、资料范围、必须作出的判断和最终接手人写在一起，并要求所有结论回指证据。 对本任务，首轮只验证能否可靠支持这一判断：立即回滚、停止扩容、局部关闭、继续观察或进入事故响应。

角色：值守发布窗口的工程负责人或事故指挥。
触发：新版本发布后错误率升高，但影响范围和回滚代价尚未明确。
资料：部署时间线、错误与延迟指标、用户影响、变更范围、回滚步骤与数据兼容性。
判断：立即回滚、停止扩容、局部关闭、继续观察或进入事故响应。
交付：发布决策记录、影响证据、操作人、观察窗口和停止条件。
要求：逐条列出证据、未知项、规则冲突和需要谁确认，不执行任何高风险写入。

验收不能只看文字是否通顺

检查每个结论是否有资料版本、原始位置和适用条件。数字要能重算，规则要能定位，未知项要明确标出。无法解释的高置信度表述比保留一个待确认更危险。 验收终点应是可以交接的发布决策记录、影响证据、操作人、观察窗口和停止条件。

哪些信号必须转人工

• 关键文件缺少版本、时间范围或唯一编号，无法确认是否属于同一任务
• 多个资料来源给出冲突事实，且没有被授权的基准可以裁决
• 结果会触发付款、权限、合同、生产、薪酬或对外承诺等高风险动作
• 可能造成的后果是等待过久扩大事故，或盲目回滚造成数据损坏和二次故障

停止自动处理不等于停止工作。保留已经完成的证据整理，标出阻塞位置、责任人和期望回复时间，让人工从明确节点接手并继续完成发布决策记录、影响证据、操作人、观察窗口和停止条件。

事故响应Skill承担什么

incident-response负责分级事故，整理状态、缓解动作、负责人和实时决策记录。它的输出必须保留证据来源和待人工判断项，不能把建议写成已经执行的决定。

AI只整理证据和候选动作，生产回滚、流量切换和数据修复必须由事故指挥及系统负责人明确授权。