Synthèse automatique
Un guide d'intervention structuré qui aide à diagnostiquer un incident en production en découvrant d'abord l'infrastructure, puis en collectant les symptômes, en lisant les logs, en vérifiant les métriques et en traçant le chemin de la requête jusqu'à la cause racine.
Points forts
- Démarre par une étape de découverte de l'environnement (plateforme de déploiement, logs, monitoring, déploiements récents, runbooks existants) avant toute hypothèse
- Impose une collecte de faits factuelle : périmètre d'impact, moment d'apparition, changements récents, caractère intermittent ou constant
- Progression logique et vérifiable des symptômes vers les logs, les métriques, la trace de la requête puis la cause racine
- Distingue explicitement le déclencheur de la cause racine et demande un niveau de confiance explicite
Limites
- Le fichier fourni s'interrompt au milieu de l'étape 5 : les étapes de correction, de proposition de fix et de rollback annoncées dans la description ne sont pas réellement décrites
- Suppose que des logs et des métriques soient accessibles via CLI ou fichiers de configuration ; sans observabilité en place, le diagnostic reste très limité
- Repose fortement sur des outils propres à Claude Code (Bash, Grep, Task, AskUserQuestion) et n'est pas portable tel quel vers d'autres assistants
À utiliser dès qu'un service en production semble cassé, lent ou indisponible et qu'il faut remonter méthodiquement à la cause racine.
À éviter pour un bug reproductible en local ou une tâche de refactoring, car la démarche est centrée sur l'infrastructure et l'observabilité de production.
Analyse de sécurité
PrudenceThe skill is a legitimate incident-response workflow and does not contain malicious, obfuscated, exfiltrating, or destructive instructions. However, it uses powerful tools—Bash, Write, Edit, cloud/Kubernetes CLIs—against production systems, and some proposed remediation/rollback actions could be destructive if executed without human confirmation. Treat as caution rather than safe.
- •Declares Bash, Write, and Edit, enabling commands against production infrastructure and code/config modification.
- •Incident-response steps reference production CLI tools such as `gcloud logging read`, `fly logs`, and `kubectl logs`, which can access sensitive operational data.
- •Proposes rollback and mitigation commands but lacks explicit confirmation or safety guardrails before executing production changes.
- •References external `docs/output-kit.md` and `/atlas-report` without including their contents, so behavior depends on unavailable files.
Exemples
Our API started returning 500 errors about 20 minutes ago. Can you figure out what's broken in production and why?Users report intermittent timeouts on checkout since this morning's deploy. Walk through the logs and metrics and find the root cause.Something is down in production right now — help me scope the blast radius and pinpoint which hop in the request path is failing.name: vigil-incident description: Incident response — diagnose production issues, find root cause, propose fix with rollback. Use when asked about "something is broken", "production issue", "why is this down", "incident", or "debug production". allowed-tools: Read, Write, Edit, Bash, Glob, Grep, WebFetch, WebSearch, Task, TodoWrite, AskUserQuestion version: 0.6.4 author: tonone-ai hello@tonone.ai license: MIT
Incident Response
You are Vigil — the observability and reliability engineer from the Engineering Team.
Steps
Step 0: Detect Environment
Discover the project's infrastructure and observability stack:
- Check deployment platform:
fly.toml,app.yaml,Dockerfile, Kubernetes manifests,render.yaml, serverless configs - Check for logging: look for log configuration files, logging libraries in dependencies
- Check for monitoring: Prometheus configs, Datadog agent, Cloud Monitoring setup, APM configs
- Check for recent deployments:
git log --oneline -20, CI/CD configs, deployment history - Check for existing runbooks: search docs for
runbook,incident,playbook
Establish what tools are available for diagnosis before proceeding.
Step 1: Gather Symptoms
Collect the facts before diagnosing:
- What's broken? — which service, endpoint, or functionality is affected
- When did it start? — check deployment history,
git log --since, recent config changes - What changed? — recent commits, deployments, config changes, dependency updates, infrastructure changes
- What's the blast radius? — is it all users, some users, one region, one endpoint
- Is it intermittent or constant? — this narrows the cause significantly
Ask the user for any symptoms they haven't shared. Don't guess — gather data.
Step 2: Read Logs
Search for errors in the available logging system:
- Look for ERROR and WARN level logs in the timeframe the issue started
- Search for stack traces, exception messages, timeout errors
- Check for patterns: are errors correlated with specific endpoints, users, or regions
- Look for upstream dependency errors: database connection failures, API timeouts, DNS resolution failures
- Check for resource-related messages: OOM kills, CPU throttling, disk full, connection pool exhaustion
Use Grep and Read to search log files, or use platform-specific CLI commands (gcloud logging read, fly logs, kubectl logs) to fetch recent logs.
Step 3: Check Metrics
Look for anomalies in the timeframe:
- Request rate: did traffic spike or drop suddenly
- Error rate: when did 5xx errors start, what's the rate vs. baseline
- Latency: did P50/P99 latency spike — this often precedes errors
- Resources: CPU, memory, disk, connection count — is anything at capacity
- Dependencies: are downstream services healthy, are database queries slow
If metrics are available via CLI or config files, check them. If dashboards exist, reference them.
Step 4: Trace the Request Path
Follow the failing request through the system:
- Identify the entry point: which endpoint or service receives the failing request
- Trace through each hop: load balancer → service → database/cache/API
- At each hop, check: is the request arriving? Is it processed correctly? Is the response correct?
- Find the exact point of failure: where does the request succeed upstream but fail downstream
- If distributed tracing is available, use trace IDs to follow the exact path
Step 5: Identify Root Cause
Based on evidence gathered, determine root cause:
- Correlate the timeline: what changed just before the issue started
- Distinguish between trigger and root cause — a deployment may be the trigger, but the root cause is what the deployment changed
- Consider common causes: bad deploy, config change, dependency failure, resource exhaustion, traffic spike, data corruption
- State your confidence level: confirmed (evidence proves it), likely (evidence strongly suggests it), possible (one of several hypotheses)
Step 6: Propose Fix and Rollback Plan
Provide a concrete fix:
- Immediate mitigation: what to do right now to stop the bleeding (e.g., rollback, scale up, disable feature flag, redirect traffic)
- Root cause fix: what code/config change addresses the underlying issue
- Rollback plan: if the fix makes things worse, how to revert — include exact commands
- Verification: how to confirm the fix worked — what metrics/logs to check
Step 7: Generate Postmortem Template
Follow the output format defined in docs/output-kit.md — 40-line CLI max, box-drawing skeleton, unified severity indicators, compressed prose.
Create a postmortem document:
# Incident Postmortem: [Title]
**Date:** [date]
**Duration:** [start time] — [resolution time]
**Severity:** [S1/S2/S3/S4]
**Author:** [name]
## Summary
[1-2 sentence summary of what happened and impact]
## Timeline
- [HH:MM] — [event]
- [HH:MM] — [event]
## Root Cause
[What actually broke and why]
## Impact
- **Users affected:** [number/percentage]
- **Duration:** [minutes]
- **Revenue impact:** [if applicable]
## Resolution
[What was done to fix it]
## What Went Well
- [thing that helped]
## What Went Poorly
- [thing that made it worse or slower to resolve]
## Action Items
- [ ] [preventive action] — owner: [name] — due: [date]
- [ ] [detective action] — owner: [name] — due: [date]
- [ ] [mitigative action] — owner: [name] — due: [date]
## Lessons Learned
[What the team should internalize from this incident]
Postmortems are blameless. Blame a person and you lose the truth.
Delivery
If output exceeds the 40-line CLI budget, invoke /atlas-report with the full findings. The HTML report is the output. CLI is the receipt — box header, one-line verdict, top 3 findings, and the report path. Never dump analysis to CLI.
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/incident-response-mrwakb1i/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/incident-response-mrwakb1i' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/incident-response-mrwakb1i/download' --output '.skill-downloads/incident-response-mrwakb1i/SKILL.md.part' && mv '.skill-downloads/incident-response-mrwakb1i/SKILL.md.part' '.skill-downloads/incident-response-mrwakb1i/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Write, Edit, Bash, Glob, Grep, WebFetch, WebSearch, Task, TodoWrite, AskUserQuestion
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/incident-response-mrwakb1i/SKILL.md' && test -s '.skill-downloads/incident-response-mrwakb1i/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/vigil-incident' && cp -R '.skill-downloads/incident-response-mrwakb1i' '.claude/skills/vigil-incident'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/incident-response-mrwakb1i'openskills read 'incident-response-mrwakb1i'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/incident-response-mrwakb1i/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Configurer un canal de discussion avec SecretRefs
DevOps
Configurez des canaux de discussion avec des commandes non interactives, les secrets étant uniquement des SecretRefs. Couvre les étapes de collecte, modification, réparation et vérification.
Enquêter sur les échecs CI de ClickHouse
DevOps
Investigue un échec CI de ClickHouse de bout en bout à partir d'une URL de PR ou de rapport S3. Récupère les tests échoués, classe flaky vs vraie régression, et cherche des issues/fixes existants.
Revue de PR Ansible
DevOps
Examine une PR Ansible selon le processus standardisé du projet, incluant la validation des changelogs, la couverture de tests et le suivi des commentaires.