Skills Agentes

Incident Runbook Templates

Crea runbooks estructurados de respuesta a incidentes con procedimientos paso a paso, rutas de escalamiento y acciones de recuperación para outages, bases de datos y onboarding de guardias.

Estrellas
39.8k

en todo el repo

Actividad
43

0–100, la ruta de este skill

Actualizado
hace 4 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
1.4k tok

121 tok en reposo

Paquete
2 archivos

14 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add wshobson/agents --skill incident-runbook-templates --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Genera plantillas de runbooks de incidentes con detección, triaje, mitigación, resolución y comunicación
  • Define niveles de severidad (SEV1-SEV4) con tiempos de respuesta
  • Estructura matrices de escalamiento y checklists para responders bajo estrés
  • Incluye plantillas de comunicación con stakeholders durante incidentes

Úsalo cuando

  • Crear procedimientos de respuesta a incidentes
  • Construir runbooks específicos de servicio
  • Establecer rutas de escalamiento y documentar recuperación
  • Incorporar ingenieros de guardia (on-call)

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • “Crea un runbook de outage para nuestro sistema de pagos”
    • “Necesito un procedimiento de incidente para agotamiento del connection pool”
    • “Ayúdame a estandarizar la matriz de escalamiento entre equipos”

    SKILL.md

    En inglés

    Incident Runbook Templates

    Production-ready templates for incident response runbooks covering detection, triage, mitigation, resolution, and communication.

    When to Use This Skill

    • Creating incident response procedures
    • Building service-specific runbooks
    • Establishing escalation paths
    • Documenting recovery procedures
    • Responding to active incidents
    • Onboarding on-call engineers

    Core Concepts

    1. Incident Severity Levels

    Severity Impact Response Time Example
    SEV1 Complete outage, data loss 15 min Production down
    SEV2 Major degradation 30 min Critical feature broken
    SEV3 Minor impact 2 hours Non-critical bug
    SEV4 Minimal impact Next business day Cosmetic issue

    2. Runbook Structure

    1. Overview & Impact
    2. Detection & Alerts
    3. Initial Triage
    4. Mitigation Steps
    5. Root Cause Investigation
    6. Resolution Procedures
    7. Verification & Rollback
    8. Communication Templates
    9. Escalation Matrix
    

    Detailed patterns and worked examples

    Detailed pattern documentation lives in references/details.md. Read that file when the navigation tier above is insufficient.

    Best Practices

    Do's

    • Keep runbooks updated - Review after every incident
    • Test runbooks regularly - Game days, chaos engineering
    • Include rollback steps - Always have an escape hatch
    • Document assumptions - What must be true for steps to work
    • Link to dashboards - Quick access during stress

    Don'ts

    • Don't assume knowledge - Write for 3 AM brain
    • Don't skip verification - Confirm each step worked
    • Don't forget communication - Keep stakeholders informed
    • Don't work alone - Escalate early
    • Don't skip postmortems - Learn from every incident

    Troubleshooting

    Runbook steps work in staging but fail during a real incident

    Steps often assume preconditions that are true in a healthy environment but not during an outage. For each command in your runbook, add a prerequisite check and a "what to do if this command fails" note:

    # Step: Check pod status
    kubectl get pods -n payments
    
    # Prerequisites: kubectl configured, kubeconfig points to correct cluster
    # If this fails: run `aws eks update-kubeconfig --name prod-cluster --region us-east-1`
    # Expected output: pods in Running state
    

    On-call engineer panics and skips steps out of order

    Add a numbered checklist at the top of the runbook that mirrors the section numbers, so responders can track progress under stress without reading the full document:

    ## Quick Checklist
    - [ ] 1. Declare incident severity and open war room
    - [ ] 2. Check service health (Section 4.1)
    - [ ] 3. Check recent deployments (Section 4.1)
    - [ ] 4. Roll back if deploy is suspect (Section 4.1)
    - [ ] 5. Post initial notification to #payments-incidents
    - [ ] 6. Escalate if > 15 min unresolved
    

    Runbook is outdated — commands reference old cluster names or endpoints

    Runbooks rot because they're updated manually. Include a "Last Verified" date and owner at the top, and add a CI check that validates all curl endpoints and kubectl context names are still valid:

    ## Runbook Metadata
    | Field | Value |
    |---|---|
    | Last verified | 2024-11-15 |
    | Owner | @platform-team |
    | Review cadence | After every SEV1/SEV2 |
    

    Stakeholder communication is delayed while engineers are heads-down

    Assign a dedicated incident communicator role (separate from the incident commander) whose only job is to post status updates. Add a standing agenda in the communication template:

    Update every 15 minutes (even if no new information):
    - Current status (Investigating / Mitigating / Monitoring)
    - Impact (what is broken, who is affected, % of traffic)
    - What we are doing right now
    - Next update in: 15 minutes
    

    Database runbook commands cause additional downtime when run incorrectly

    Add explicit warnings before destructive SQL commands and require a dry-run output check before executing:

    -- WARNING: This terminates active connections. Verify count first.
    -- DRY RUN (check count before terminating):
    SELECT count(*) FROM pg_stat_activity WHERE state = 'idle' AND query_start < now() - interval '10 minutes';
    
    -- EXECUTE only after verifying count is reasonable (< 50):
    SELECT pg_terminate_backend(pid) FROM pg_stat_activity
    WHERE state = 'idle' AND query_start < now() - interval '10 minutes';
    

    Related Skills

    • postmortem-writing - After resolving an incident, use postmortem templates to capture root cause and preventive actions
    • on-call-handoff-patterns - Structure shift handoffs so the incoming responder has full context on active incidents

    Reproducido de wshobson/agents bajo licencia MIT. Leer esta página en markdown.

    Archivos

    2 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Necesita en el PATH:kubectl

    Detalles

    Creador
    wshobson
    Licencia
    MIT
    Recursos incluidos
    referencias
    Repositorio
    wshobson/agents
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de wshobson/agents

    Este repo incluye 183 skills. Si instalas uno, normalmente ya tienes los demás. Ver el pack agents entero y su comando de instalación

    Instala y opera Hermes Tweet, un plugin de Hermes Agent para investigar X/Twitter, leer timelines, analizar tweets y ejecutar operaciones privadas o de cambio de estado con aprobación previa.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    3 archivos
    Última actualización
    el mes pasado
    redes sociales

    Úsalo para mantener un almacén Markdown de conocimiento donde cada afirmación compilada se rastrea hasta una fuente inmutable y el drift se detecta con git diff sin gastar tokens.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 24 días
    documentos

    Úsalo al diseñar o revisar un esquema específico de PostgreSQL: buenas prácticas, tipos de datos, indexación, restricciones, patrones de rendimiento y funciones avanzadas.

    Costo de contexto al activarse
    2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 24 días
    bases de datos

    Úsalo cuando un proyecto guarda su estado en Superself: lee `self context` al iniciar sesión, vincula el trabajo a una work unit, reporta con evidencia y registra decisiones confirmadas.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 24 días
    productividad

    Úsalo cuando pidan optimizar un prompt, mejorar su rendimiento, diseñar una plantilla, aplicar chain-of-thought, few-shot prompting o técnicas avanzadas de prompt engineering para producción.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    10 archivos
    Última actualización
    el mes pasado
    herramientas desarrollo

    Audita y reescribe prosa para que deje de sonar generada por máquina. Incluye modo solo-detección, modo reescritura y modo edición en el lugar, con perfiles opcionales de voz y contexto.”

    Costo de contexto al activarse
    1.9k tok
    Tamaño del paquete
    4 archivos
    Última actualización
    el mes pasado
    redaccion contenido

    Skills relacionados

    Construye DAGs de Apache Airflow listos para producción con buenas prácticas para operadores, sensores, testing y despliegue.

    Costo de contexto al activarse
    784 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    devops infraestructura

    Domina técnicas de programación defensiva en Bash para scripts de nivel producción: úsalo al escribir shell scripts robustos, pipelines CI/CD o utilidades de sistema que requieran tolerancia a fallos.

    Costo de contexto al activarse
    498 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    devops infraestructura

    Optimiza builds de Bazel en monorepos a gran escala. Úsalo al configurar Bazel, implementar ejecución remota u optimizar el rendimiento de builds en codebases empresariales.

    Costo de contexto al activarse
    523 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    devops infraestructura