写RCA别找背锅：5 Whys智能体定位系统性原因

结论先看：写RCA别找背锅：5 Whys智能体定位系统性原因 的关键做法是先做结构化拆解，再让AI处理重复环节，最终提升效率与结果稳定性。

关键词：AI自动化、效率提升、使用场景

出了故障，写根因分析报告（RCA），最常见的写法是这样的：直接原因是某工程师改错了配置，根本原因是该工程师不够细心，改进措施是加强培训。这种RCA写完了，问题还会继续出。因为找到的是人，不是系统原因。

好的RCA要回答：什么样的系统设计，让一个人在正常情况下能造成这么大影响？答案通常不在人身上，而在流程、工具、检查机制上。

5 Whys是找系统性原因的经典方法。问题发生后，连续问五个”为什么”，直到触及可改变的系统因素。但不是机械地问五次，每一层都要有证据支撑，不能凭想象。

🔹第一：步，定义问题。写清楚发生了什么、影响了什么、持续了多久。比如：”2024年1月15日14:00-14:30，支付服务不可用，导致1200笔订单支付失败，直接损失约8万元。”问题定义要具体、可量化，不能笼统说”系统挂了”。

🔹第二：步，第一层Why。问：为什么会支付失败？答：因为配置中心推送了错误的路由规则。这一步通常是直接原因，比较好找。智能体可以帮你整理时间线，从日志和监控中自动提取事件序列。

🔹第三：步，第二层Why。问：为什么错误配置会被推送？答：因为代码审核时没发现配置格式问题。这里要注意，不能停在”审核不仔细”这种对人品的判断上。要继续问：审核流程有没有检查配置格式的环节？工具支不支持自动校验？

🔹第四：步，第三层Why。问：为什么没有自动校验？答：因为配置中心没有接入格式校验工具，之前也没出过这类问题，所以没重视。到这里，开始触及系统性的因素：工具缺失、历史侥幸。

🔹第五：步，第四、五层Why。继续追问：为什么没有接入校验工具？是技术债 backlog 里排不上优先级，还是根本不知道有这个需求？如果是排不上，说明风险评估机制有问题；如果是不知道，说明问题沉淀和复盘机制有问题。

每一层Why都要有证据：日志记录、流程文档、会议纪要。不能靠猜。智能体可以帮你检查每一层的证据是否充分，逻辑是否跳跃。

改进项怎么写？对应每一层系统性原因，写一个可验证的改进项。不是”加强培训”，而是”配置中心接入JSON Schema校验，错误格式在提交阶段就阻断”。不是”提高意识”，而是”故障复盘纳入季度OKR，未完成的改进项升级至总监例会”。

改进项要设Owner和Deadline，纳入跟踪系统。下次RCA要回头看上一轮改进项的完成率。这是闭环。

智能体的提示词可以这样设计：”你是一位SRE专家，擅长用5 Whys做故障根因分析。我会给你一个故障事件描述，请你：1）生成5 Whys分析框架，每一层都要有证据要求；2）识别每一层的系统性原因（而非个人原因）；3）为每个系统性原因写可验证的改进项，包含Owner和Deadline；4）输出标准RCA文档结构。请用中文输出。”

RCA的目的不是写一份报告，而是让同样的故障不再发生。找到系统原因，改变系统设计，才能实现这个目的。找人背锅，只是浪费纸张。

FAQ