凌晨三点，你需要的是手册不是搜索
值班时最怕的不是故障 ✗，而是**不知道该看什么** ✔：
打开一堆面板 ✔、翻聊天记录找上次怎么处理的 ✔、问人但没人回 ✔。
**写一份"运维手册"** ✔：按症状索引 ✔，每一页给出"看什么、做什么" ✔。
一、手册按"症状"组织（不是按系统 ✗）
```
症状 A：答案突然变短 → 看 ①输出长度指标 ②最近是否降级 ③上游是否限流
症状 B：大量空结果 → 看 ①检索命中率 ②索引是否可读 ③解析是否报错
症状 C：延迟翻倍 → 看 ①分段延迟 ②上游 P95 ③是否在重试
症状 D：成本异常升高 → 看 ①重试占比 ②缓存命中率 ③是否有租户异常用量
症状 E：用户说答案不对 → 看 ①失败类型分布 ②最近发布 ③该请求的 trace
```
**要点**：**先给"看什么"（一条查询/一个面板 ✔），再给"做什么"** ✔。
二、每页的固定结构（五段）
```
① 症状描述（怎么发现它）
② 三分钟定位（看哪三个指标 + 现成查询）
③ 常见原因（按概率排序）
④ 处置动作（含"何时该升级/回滚"）
⑤ 记录要求（记什么，便于复盘）
```
**第 ④ 项要写清"止损优先"** ✔：先回滚/降级 ✔，再找根因 ✔（见灰度开关 ✔）。
三、手册的四条纪律
1. **每步骤都要能执行** ✗→✔（"检查一下上游" ✗ → 给出具体命令 ✔）；
2. **含联系人**（谁在什么时段能拍板 ✔ —— 见降级链那篇 ✔）；
3. **季度演练**（照着手册做一次 ✔ —— 见断上游演习 ✔）；
4. **事故后更新**（新症状进手册 ✔ —— 见复盘 ✔）。
四、三个反模式
五、一条判据
> 一个**没参与过这个项目**的值班人 ✔，能否靠手册在 15 分钟内定位常见故障 ✔？
> 不能，说明手册还停在"给熟人看的笔记" ✗。