事故記錄（Postmortem）

目標

快速記錄事故，結構化分析 root cause，防止重複犯錯。

流程

Step 1: 收集資訊

詢問用戶（或從上下文取得）：

• 什麼壞了？
• 什麼時候發現的？
• 影響範圍？（用戶數、持續時間、資料損失？）

Step 2: 分析 root cause

• 觸發的命令或操作
• 錯誤訊息
• 為什麼會走到這一步（5 Whys）

若有 repo，自動檢查：

• git log --oneline -10 看最近改動
• 搜尋相關錯誤訊息

Step 3: 記錄修復步驟

• 怎麼修好的
• 花了多久
• 是否有 workaround 還是根本修復

Step 4: 寫入檔案

追加到當前專案的 logs/errors.md（沒有就建立），格式：

## YYYY-MM-DD: [簡述問題]

**影響**：[影響範圍和持續時間]
**觸發**：[什麼操作觸發的]
**錯誤**：[錯誤訊息]
**Root Cause**：[根本原因]
**修復**：[修復步驟]
**防止再發**：[應該怎麼避免]
**Timeline**：
- HH:MM 發現問題
- HH:MM 開始修復
- HH:MM 恢復正常

Step 5: 提出預防建議

• 如果這類問題之前發生過，指出來
• 建議加入自動化防護（CI check、monitoring、alert）
• 建議更新文件（CLAUDE.md、README、runbook）

Quality Gates

• Root cause 不是「設定錯誤」這種表面原因，要挖到為什麼會設定錯誤
• 修復步驟可重現（別人照做也能修）
• 防止再發有具體動作（不是「以後注意」）
• Timeline 完整（從發現到恢復）

Heuristics

• 事故後 24 小時內記錄，記憶最清楚
• Root cause 用 5 Whys：問五次「為什麼」才算到底
• 防止再發優先考慮自動化（人的注意力不可靠）
• Blameless：記錄事實和流程，不指責個人