ricneves-ai/flowgrammers-skills/incident-commander

Skill Incident Commander

Categoria: Engineering Team Tier: POWERFUL Versão: 1.0.0 Última Atualização: Fevereiro de 2026

Visão Geral

A skill Incident Commander fornece um framework abrangente de resposta a incidentes para gerenciar incidentes tecnológicos desde a detecção até a resolução e revisão pós-incidente. Esta skill implementa práticas testadas em batalha de equipes SRE e DevOps em escala, fornecendo ferramentas estruturadas para classificação de severidade, reconstrução de linha do tempo e análise pós-incidente completa.

Funcionalidades Principais

• Classificação Automatizada de Severidade - Triagem inteligente de incidentes com base em métricas de impacto e urgência
• Reconstrução de Linha do Tempo - Transformar logs e eventos dispersos em narrativas coerentes de incidentes
• Geração de Revisão Pós-Incidente - PIRs estruturados com múltiplos frameworks de RCA
• Templates de Comunicação - Templates pré-construídos para atualizações de partes interessadas e escalações
• Integração de Runbook - Gerar runbooks acionáveis a partir de padrões de incidentes

Skills Incluídas

Ferramentas Principais

1. Classificador de Incidentes (incident_classifier.py)

• Analisa descrições de incidentes e produz níveis de severidade
• Recomenda equipes de resposta e ações iniciais
• Gera templates de comunicação com base na severidade

1. Reconstrutor de Linha do Tempo (timeline_reconstructor.py)

• Processa eventos com timestamp de múltiplas fontes
• Reconstrói a linha do tempo cronológica do incidente
• Identifica lacunas e fornece análise de duração

1. Gerador de PIR (pir_generator.py)

• Cria documentos abrangentes de Revisão Pós-Incidente
• Aplica múltiplos frameworks de RCA (5 Porquês, Espinha de Peixe, Linha do Tempo)
• Gera itens de acompanhamento acionáveis

Framework de Resposta a Incidentes

Sistema de Classificação de Severidade

SEV1 - Interrupção Crítica

Definição: Falha completa de serviço afetando todos os usuários ou funções críticas de negócios

Características:

• Serviços voltados ao cliente completamente indisponíveis
• Perda ou corrupção de dados afetando usuários
• Violações de segurança com exposição de dados do cliente
• Sistemas geradores de receita inoperantes
• Violações de SLA com penalidades financeiras

Requisitos de Resposta:

• Escalação imediata para engenheiro de plantão
• Incident Commander designado em 5 minutos
• Notificação executiva em 15 minutos
• Atualização da página de status público em 15 minutos
• War room estabelecido
• Todos os recursos disponíveis se necessário

Frequência de Comunicação: A cada 15 minutos até a resolução

SEV2 - Impacto Maior

Definição: Degradação significativa afetando subconjunto de usuários ou funções não críticas

Características:

• Degradação parcial do serviço (>25% dos usuários afetados)
• Problemas de desempenho causando frustração do usuário
• Funcionalidades não críticas indisponíveis
• Ferramentas internas impactando produtividade
• Inconsistências de dados não afetando a experiência do usuário

Requisitos de Resposta:

• Resposta do engenheiro de plantão em 15 minutos
• Incident Commander designado em 30 minutos
• Atualização da página de status em 30 minutos
• Notificação de partes interessadas em 1 hora
• Atualizações regulares da equipe

Frequência de Comunicação: A cada 30 minutos durante a resposta ativa

SEV3 - Impacto Menor

Definição: Impacto limitado com soluções alternativas disponíveis

Características:

• Única funcionalidade ou componente afetado
• <25% dos usuários impactados
• Soluções alternativas disponíveis
• Degradação de desempenho sem impacto significativo na UX
• Alertas de monitoramento não urgentes

Requisitos de Resposta:

• Resposta em 2 horas durante horário comercial
• Resposta no próximo dia útil aceitável fora do horário
• Notificação interna da equipe
• Atualização opcional da página de status

Frequência de Comunicação: Apenas em marcos principais

SEV4 - Baixo Impacto

Definição: Impacto mínimo, problemas cosméticos ou manutenção planejada

Características:

• Bugs cosméticos
• Problemas de documentação
• Lacunas de logging ou monitoramento
• Problemas de desempenho sem impacto no usuário
• Problemas em ambiente de desenvolvimento/teste

Requisitos de Resposta:

• Resposta em 1-2 dias úteis
• Rastreamento padrão de ticket/issue
• Sem escalação especial necessária

Frequência de Comunicação: Atualizações padrão do ciclo de desenvolvimento

Papel do Incident Commander

Responsabilidades Principais

1. Comando e Controle

• Assumir propriedade do processo de resposta ao incidente
• Tomar decisões críticas sobre alocação de recursos
• Coordenar entre equipes técnicas e partes interessadas
• Manter consciência situacional em todos os fluxos de resposta

1. Hub de Comunicação

• Fornecer atualizações regulares às partes interessadas
• Gerenciar comunicações externas (páginas de status, notificações a clientes)
• Facilitar comunicação eficaz entre equipes de resposta
• Proteger respondentes de distrações externas

1. Gerenciamento de Processo

• Garantir rastreamento e documentação adequados do incidente
• Conduzir em direção à resolução mantendo a qualidade
• Coordenar handoffs entre membros da equipe
• Planejar e executar estratégias de rollback se necessário

1. Liderança Pós-Incidente

• Garantir que revisões pós-incidente completas sejam realizadas
• Conduzir implementação de medidas preventivas
• Compartilhar aprendizados com a organização mais ampla

Framework de Tomada de Decisão

Decisões de Emergência (SEV1/2):

• Incident Commander tem autoridade total
• Preferência por ação sobre análise
• Documentar as decisões para revisão posterior
• Consultar especialistas no assunto, mas não ficar bloqueado

Alocação de Recursos:

• Pode recrutar qualquer membro de equipe necessário
• Autoridade para escalar para liderança sênior
• Pode aprovar gastos de emergência para recursos externos
• Decide sobre canais de comunicação e timing

Decisões Técnicas:

• Apoiar-se em líderes técnicos para detalhes de implementação
• Fazer chamadas finais sobre trade-offs entre velocidade e risco
• Aprovar estratégias de rollback vs. corrigir à frente
• Coordenar abordagens de teste e validação

Templates de Comunicação

Notificação Inicial de Incidente (SEV1/2)

Subject: [SEV{severity}] {Service Name} - {Brief Description}
 
Detalhes do Incidente:
- Hora de Início: {timestamp}
- Severidade: SEV{level}
- Impacto: {descrição do impacto no usuário}
- Status Atual: {investigando/mitigando/resolvido}
 
Detalhes Técnicos:
- Serviços Afetados: {lista de serviços}
- Sintomas: {o que os usuários estão experimentando}
- Avaliação Inicial: {causa raiz suspeita, se conhecida}
 
Equipe de Resposta:
- Incident Commander: {nome}
- Líder Técnico: {nome}
- SMEs Engajados: {lista}
 
Próxima Atualização: {timestamp}
Página de Status: {link}
War Room: {link de bridge/chat}
 
---
{Nome do Incident Commander}
{Informações de Contato}

Resumo Executivo (SEV1)

Subject: URGENTE - Interrupção Impactando Clientes - {Service Name}
 
Resumo Executivo:
{2-3 frases descrevendo o impacto nos clientes e implicações de negócios}
 
Métricas Principais:
- Tempo até Detecção: {X minutos}
- Tempo até Engajamento: {X minutos} 
- Impacto Estimado nos Clientes: {número/percentagem}
- Status Atual: {status}
- Estimativa de Resolução: {hora ou "investigando"}
 
Ações de Liderança Necessárias:
- [ ] Aprovação de comunicação com clientes
- [ ] Coordenação de PR/Comunicações  
- [ ] Decisões de alocação de recursos
- [ ] Engajamento de fornecedores externos
 
Incident Commander: {nome} ({contato})
Próxima Atualização: {hora}
 
---
Este é um alerta automático do nosso sistema de resposta a incidentes.

Template de Comunicação ao Cliente

Estamos atualmente enfrentando {breve descrição do problema} afetando {escopo do impacto}. 
 
Nossa equipe de engenharia foi alertada às {hora} e está trabalhando ativamente para resolver o problema. Forneceremos atualizações a cada {frequência} até a resolução.
 
O que sabemos:
- {declaração factual do impacto}
- {declaração factual do escopo}
- {breve status da resposta}
 
O que estamos fazendo:
- {ação de resposta primária}
- {ação de resposta secundária}
 
Solução alternativa (se disponível):
{passos da solução alternativa ou "Nenhuma solução alternativa disponível no momento"}
 
Pedimos desculpas pelo inconveniente e compartilharemos mais informações assim que disponíveis.
 
Próxima atualização: {hora}
Página de status: {link}

Gerenciamento de Partes Interessadas

Classificação de Partes Interessadas

Partes Interessadas Internas:

• Liderança de Engenharia - Decisões técnicas e alocação de recursos
• Gestão de Produto - Avaliação de impacto ao cliente e implicações de funcionalidade
• Suporte ao Cliente - Comunicação com usuários e gerenciamento de tickets de suporte
• Vendas/Gestão de Contas - Gerenciamento de relacionamento com clientes empresariais
• Equipe Executiva - Decisões de impacto nos negócios e aprovação de comunicação externa
• Jurídico/Conformidade - Relatórios regulatórios e avaliação de responsabilidade

Partes Interessadas Externas:

• Clientes - Disponibilidade do serviço e comunicação de impacto
• Parceiros - Disponibilidade de API e impactos de integração
• Fornecedores - Dependências de serviços de terceiros e escalação de suporte
• Reguladores - Relatórios de conformidade para setores regulados
• Público/Mídia - Transparência para interrupções públicas

Cadência de Comunicação por Parte Interessada

Framework de Geração de Runbook

Componentes Dinâmicos de Runbook

1. Playbooks de Detecção

• Definições de alerta de monitoramento
• Árvores de decisão de triagem
• Pontos de gatilho de escalação
• Ações de resposta inicial

1. Playbooks de Resposta

• Procedimentos de mitigação passo a passo
• Instruções de rollback
• Pontos de verificação de validação
• Pontos de verificação de comunicação

1. Playbooks de Recuperação

• Procedimentos de restauração de serviço
• Verificações de consistência de dados
• Validação de desempenho
• Processos de notificação ao usuário

Estrutura do Template de Runbook

# Runbook de Resposta a Incidentes {Serviço/Componente}
 
## Referência Rápida
-**Indicadores de Severidade:** {lista de condições para cada nível de severidade}
-**Contatos Principais:** {rotações de plantão e caminhos de escalação}
-**Comandos Críticos:** {lista de comandos de emergência com descrições}
 
## Detecção
### Alertas de Monitoramento
-{Nome do alerta}: {descrição e limites}
-{Nome do alerta}: {descrição e limites}
 
### Sinais de Detecção Manual
-{Sintoma}: {o que procurar e onde}
-{Sintoma}: {o que procurar e onde}
 
## Resposta Inicial (0-15 minutos)
1.**Avaliar Severidade**
   -[ ] Verificar {métrica primária}
   -[ ] Verificar {indicador secundário}
   -[ ] Classificar como SEV{nível} com base em {critérios}
 
2.**Estabelecer Comando**
   -[ ] Acionar Incident Commander se SEV1/2
   -[ ] Criar ticket de rastreamento de incidente
   -[ ] Entrar no war room: {link/informações de bridge}