录制故障复盘：把事故变成团队的知识资产

每个团队在故障之后都会写复盘文档，但真正把它读完的人少得多。一份塞满仪表盘链接和日志片段的时间线，实际上是在要求读者在脑中重建整场事故。多数人只会草草扫一眼、点点头，然后翻篇。

一段简短的屏幕录制能改变这一点。与其描述凌晨 2:14 的错误率曲线长什么样，不如直接展示；与其解释是哪条查询定位到了根因，不如当场跑一遍。本文将介绍如何录制团队真正会看的故障复盘视频，以及如何让它在几个月后依然有价值。

为什么要录制复盘

• 证据胜过描述：曲线、链路追踪和日志本身就是可视化的，截图会丢掉让异常一目了然的前后变化
• 制作更快：对着已经打开的界面讲一遍，比字斟句酌地写文章省时间
• 对新人更友好：一段 6 分钟的故障回顾，比一页 Wiki 更快让新工程师理解系统的失效方式
• 保留思考过程：文档记录发生了什么，录像则记录处理者在每一步为什么那样判断
• 适合异步协作：分布式团队无需跨时区再约一次会议，就能消化这次评审

录什么，不录什么

复盘录像不是把整场事故重播一遍，只保留”看比读更有效”的部分。

应该录制：

• 发现的那一刻——告警、仪表盘、第一条用户反馈
• 展示故障期间影响范围的关键曲线
• 逐步缩小范围的排查过程（包括走过的弯路）
• 引发故障的确切代码、配置或查询
• 修复生效、指标恢复的过程

应当跳过：

• 等待部署或数据加载的漫长空档
• 与诊断无关的内部闲聊
• 一句旁白就能说清楚的任何内容

开录前的准备

事件响应工具里有太多不该出现在共享视频中的内容，花五分钟做好准备：

1. 提前打开所有标签页：时间范围正确的仪表盘、相关日志查询、Pull Request、告警
2. 固定时间范围：把仪表盘锁定在故障时段，让观众看到和你一样的画面
3. 关闭敏感界面：客户记录、含个人信息的内部工单、私聊窗口、密码管理器
4. 静音通知：没有什么比严肃复盘中途弹出午餐提醒更破坏气氛的了
5. 写下三行提纲：影响、根因、预防措施。其余内容都挂在这三点之下

如果仪表盘就在一个浏览器窗口里，请使用窗口捕获而非全屏，这是确保画面不外泄的最简单方式。

一个行之有效的结构

视频控制在 5 到 10 分钟。可靠的结构如下：

1. 先讲影响（30 秒）：谁受到影响、持续多久、严重程度如何。多数观众就是为这个来的
2. 时间线梳理（2–3 分钟）：在真实仪表盘上呈现发现、升级、缓解、恢复的过程
3. 根本原因（2–3 分钟）：展示真实的代码路径、配置变更或查询，并放大到具体行
4. 难点在哪（1 分钟）：缺失的告警、令人困惑的日志、不清晰的归属——这些在文档里往往被抹平
5. 后续行动（1 分钟）：逐条念出行动项和负责人，并在描述中附上链接

用编辑器让内容更易读

原始故障录像信息密度很高，用 Recorded 的编辑器把它整理成易于跟随的内容：

• 缩放效果：仪表盘和日志字号都很小，放大到异常峰值、错误信息、问题 diff，别让观众眯着眼看
• 速度区间：快速跳过部署流水线和查询执行，在根因浮现的那一刻恢复正常速度
• 文字叠加：在时间线讲解上标注时间戳（02:14 UTC — 首次告警），让视频与文档对得上
• 裁剪：把因仪表盘时间范围选错而重来的开头剪掉
• 光标效果：演示复现路径时高亮点击动作

摄像头画面只在开头和结尾使用。讲影响和行动项时，露脸有助于传达语气；分析日志时，它只会挡住终端。

在镜头前保持无责备文化

视频比文档更容易传递语气，同一句话，说法不同，听起来可能是分析，也可能是指责。

• 说”这次部署引入了问题”，而不是点名是谁发布的
• 按当时能掌握的信息来叙述：“在这个时间点，我们还没有队列深度指标”
• 坦然展示走过的弯路，它们恰恰说明系统难以诊断，本身就是一条改进项
• 如果第一条开场白听起来带着情绪，重录一次。只需两分钟，却决定了所有观众的感受

与文档配合使用

录像是复盘文档的补充，而非替代。文档可检索、可链接、可速览，视频做不到。

好的搭配是：

• 时间线、行动项和负责人以文档为准
• 视频嵌在文档开头，附一行说明它涵盖了什么
• 描述中的章节时间戳让读者直接跳到根因部分
• 行动项要录入任务系统，而不是只留在视频里

建立故障影片库

单个录像有用，成体系的合集则价值更高。

• 统一命名：2026-09-28-checkout-latency-postmortem 这样的格式便于排序和搜索
• 按系统打标签：按涉及的服务归类，就能把某个组件的全部资料一次交给新的值班工程师
• 每季度回顾：一次性看完上个季度的录像，重复出现的失效模式会立刻浮现
• 用于新人培训：精选三四次过往事故，是让新人了解系统真实失效方式的最快途径

常见误区

• 在故障处理中录制：先专注止损，等能平静讲述时再录制复盘
• 直接分享原始素材：未经剪辑的 40 分钟屏幕共享不是复盘，没人会看
• 泄露客户数据：分享前务必完整看一遍，专门检查日志和仪表盘中是否含个人信息
• 省略影响概述：只看前一分钟就离开的观众，也应该带走最关键的事实
• 用它取代文档：半年后类似故障再次发生时，视频是搜不到的

结语

当复盘只是为了归档而不是为了被理解时，它就失败了。一段聚焦的屏幕录制——影响前置、证据上屏、语气不带指责、行动项明确——能把每一次故障都变成整个团队十分钟就能学会的东西。

下次复盘不要只写文档，试着录一段，看看有多少人真正参与进来。