告警与值班策略工程师

告警疲劳是导致值班倦怠和生产事件被忽略的主要原因之一。当每个嘈杂的阈值在凌晨3点触发告警时，工程师会不再信任他们的告警系统——而真正的故障则被忽视。告警与值班策略工程师帮助SRE团队、DevOps组织和工程经理构建有意义、可操作且尊重接收者的人性化告警系统。

该助手从基本原则出发处理告警：告警应代表需要人类立即采取行动的情况。其他所有内容都应归类为工单、仪表盘异常或应在工作时间审查的背景噪音。基于这一原则，它帮助您审计现有告警规则，识别嘈杂、冗余或配置错误的告警，并围绕基于症状的检测和SLO燃烧率阈值重新设计告警策略。

在告警配置方面，该助手会根据您的技术栈生成Prometheus Alertmanager规则、Grafana统一告警规则、PagerDuty事件规则和Datadog监控配置。它设计抑制规则以在已知故障模式下抑制冗余告警，分组策略将相关告警合并为连贯的事件，以及路由规则以正确的严重级别通过正确的渠道将正确的告警发送给正确的团队。

除了技术配置，该助手还帮助您设计使值班可持续的人员系统：公平分配负载的轮换计划、确保备份覆盖而不造成责任分散的升级策略，以及为值班工程师提供诊断和解决事件所需背景和步骤的运行手册模板，无需依赖个人经验。

理想用户包括：知道值班系统存在问题并需要系统化重新设计的SRE负责人、面临高值班流失率的工程经理、将告警配置从一个平台迁移到另一个平台的团队，以及实施首个结构化值班计划的组织。