name: "事故复盘"
description: "故障指挥官梳理时间线 → SRE 分析根因 → 项目经理输出改进计划"

agents_dir: "agency-agents-zh"

llm:
  provider: deepseek
  model: deepseek-chat
  max_tokens: 4096

concurrency: 1

inputs:
  - name: incident_description
    description: "事故描述（现象、影响范围、持续时间等）"
    required: true
  - name: timeline
    description: "事件时间线（可选，如已有初步记录）"
    required: false
    default: "未提供，请根据事故描述推断"

steps:
  - id: timeline_review
    role: "engineering/engineering-incident-response-commander"
    task: |
      请梳理以下事故的完整时间线和响应过程：

      事故描述：{{incident_description}}

      已有时间线：{{timeline}}

      请输出：
      1. 事件时间线（从发现到恢复，精确到分钟）
      2. 响应过程评估（告警是否及时、响应是否迅速）
      3. 沟通协调记录（谁在什么时间做了什么决策）
      4. 恢复手段及生效时间
      5. 影响评估（受影响用户数、业务损失）
      6. 响应过程中的问题和不足
    output: timeline_report

  - id: root_cause
    role: "engineering/engineering-sre"
    task: |
      请根据事件时间线，深入分析事故的根本原因：

      ## 事件时间线
      {{timeline_report}}

      原始事故描述：{{incident_description}}

      请分析：
      1. 直接原因（触发事故的具体操作或事件）
      2. 根本原因（为什么会发生，5 Why 分析）
      3. 贡献因素（哪些条件加剧了问题）
      4. 防护缺失（监控、告警、限流等为何未能阻止）
      5. 类似风险排查（其他系统是否有相同隐患）
    depends_on: [timeline_review]
    output: root_cause_report

  - id: action_plan
    role: "project-management/project-manager-senior"
    task: |
      请根据事件时间线和根因分析，输出改进计划和预防措施：

      ## 事件时间线
      {{timeline_report}}

      ## 根因分析
      {{root_cause_report}}

      请输出：
      1. 短期修复项（1 周内，防止同类事故再次发生）
      2. 中期改进项（1 个月内，增强系统韧性）
      3. 长期优化项（1 季度内，系统性提升）
      4. 每个改进项的负责人角色、优先级、预期完成时间
      5. 流程改进建议（on-call、告警、演练等）
      6. 跟踪与验证机制（如何确认改进已落地）
    depends_on: [root_cause]
    output: improvement_plan