qcsd-production-swarm

QCSD Production Swarm v1.0

发布后的生产环境健康评估与 QCSD 反馈闭环。

---

概述

Production Swarm 使用 DORA 指标、事件 RCA、缺陷预测和跨阶段反馈环路，在实时生产环境中评估发布健康状况。它会给出 HEALTHY / DEGRADED / CRITICAL 判定，并且是唯一承担双重职责的 QCSD 阶段：评估当前生产环境健康状况，并将反馈闭环回传至 Ideation 和 Refinement 阶段。

QCSD 阶段定位

阶段	Swarm	判定	时间
Ideation	qcsd-ideation-swarm	GO / CONDITIONAL / NO-GO	PI/Sprint 规划
Refinement	qcsd-refinement-swarm	READY / CONDITIONAL / NOT-READY	Sprint Refinement
Development	qcsd-development-swarm	SHIP / CONDITIONAL / HOLD	Sprint 期间
Verification	qcsd-cicd-swarm	RELEASE / REMEDIATE / BLOCK	发布前 / CI-CD
Production	qcsd-production-swarm	HEALTHY / DEGRADED / CRITICAL	发布后

参数

• TELEMETRY_DATA：生产环境遥测数据、事件报告和 DORA 指标的路径（必需）
• RELEASE_ID：用于跟踪的发布标识符（可选）
• OUTPUT_FOLDER：报告保存位置（默认值：${PROJECT_ROOT}/Agentic QCSD/production/）
• SLA_DEFINITIONS：SLA/SLO 目标定义的路径（可选）

---

执行规则 - 请先阅读

规则	执行要求
E1	必须在步骤 2 中启动全部三个核心 Agent。不得例外。
E2	必须在同一条消息中发出所有并行 Task 调用。
E3	每批任务完成后必须停止并等待。不得提前继续。
E4	如果标记为 TRUE，必须启动相应的条件 Agent。不得跳过。
E5	必须严格按照步骤 5 中的说明应用 HEALTHY/DEGRADED/CRITICAL 判定逻辑。
E6	必须生成完整的报告结构。不得使用精简版本。
E7	每个 Agent 在分析前必须读取其参考文件。
E8	必须在步骤 8 中按顺序运行两个反馈 Agent。始终如此。两个 Agent 都必须运行。
E9	必须执行步骤 7 的学习持久化。不得跳过。

禁止行为：

• 用总结代替启动 Agent
• 以“简洁”为由跳过 Agent
• 在后台任务完成前继续执行
• 自行分析而不启动专业 Agent
• 省略报告章节或使用占位文本

---

步骤执行流程

此技能采用微文件步骤架构。每个步骤都是独立文件，每次只加载一个，以避免上下文因“中间丢失”而退化。

使用 Read 工具逐个读取步骤文件，并按顺序执行步骤。

步骤

1. 标记检测 -- steps/01-flag-detection.md -- 获取 CI/CD 信号，检测遥测数据源，并评估全部 7 个标记
2. 核心 Agent -- steps/02-core-agents.md -- 并行启动 qe-metrics-optimizer、qe-defect-predictor、qe-root-cause-analyzer
3. 批次 1 结果 -- steps/03-batch1-results.md -- 等待核心 Agent 完成，并提取所有指标
4. 条件 Agent -- steps/04-conditional-agents.md -- 并行启动已标记的条件 Agent
5. 判定综合 -- steps/05-decision-synthesis.md -- 应用 HEALTHY/DEGRADED/CRITICAL 判定逻辑
6. 报告生成 -- steps/06-report-generation.md -- 生成执行摘要和完整报告
7. 学习持久化 -- steps/07-learning-persistence.md -- 将发现保存至记忆，并保存持久化记录
8. 反馈闭环 -- steps/08-feedback-loop.md -- 先运行 learning coordinator，再运行 transfer specialist（顺序执行）
9. 最终输出 -- steps/09-final-output.md -- 显示包含所有评分的完成摘要

执行说明

1. 使用 Read 工具加载当前步骤文件（例如：Read({ file_path: ".claude/skills/qcsd-production-swarm/steps/01-flag-detection.md" })）
2. 完整执行该步骤的说明
3. 继续之前，确认已满足所有成功标准
4. 将该步骤的输出作为上下文传递给下一步
5. 如果某个步骤失败，请停止并报告失败点——不要跳过该步骤

---

恢复支持

若要从特定步骤恢复：指定 --from-step N，编排器将跳过此前步骤，从步骤 N 开始。请确保已具备此前步骤所需的前置数据。

---

Agent 清单

Agent	类型	领域	批次
qe-metrics-optimizer	核心（始终运行）	学习优化	1
qe-defect-predictor	核心（始终运行）	缺陷智能	1
qe-root-cause-analyzer	核心（始终运行）	缺陷智能	1
qe-chaos-engineer	条件运行（HAS_INFRASTRUCTURE_CHANGE）	混沌韧性	2
qe-performance-tester	条件运行（HAS_PERFORMANCE_SLA）	混沌韧性	2
qe-regression-analyzer	条件运行（HAS_REGRESSION_RISK）	缺陷智能	2
qe-pattern-learner	条件运行（HAS_RECURRING_INCIDENTS）	缺陷智能	2
qe-middleware-validator	条件运行（HAS_MIDDLEWARE）	企业集成	2
qe-sap-rfc-tester	条件运行（HAS_SAP_INTEGRATION）	企业集成	2
qe-sod-analyzer	条件运行（HAS_AUTHORIZATION）	企业集成	2
qe-learning-coordinator	反馈（始终运行，按顺序执行）	学习优化	3
qe-transfer-specialist	反馈（始终运行，按顺序执行）	学习优化	3

共计：12 个 Agent（3 个核心 + 7 个条件运行 + 2 个反馈）

---

质量门槛阈值

指标	健康	退化	严重
DORA 评分	>= 0.7	0.4 - 0.69	< 0.4
SLA 合规率	>= 99%	95 - 98.9%	< 95%
事件严重程度	P3/P4/NONE	P2	P0/P1
缺陷趋势	下降/稳定	稳定（密度 > 2）	上升且密度 > 5
根因分析完整度	>= 80%	50 - 79%	< 50%

---

报告文件名映射

Agent	报告文件名	步骤
qe-metrics-optimizer	02-dora-metrics.md	2
qe-defect-predictor	03-defect-prediction.md	2
qe-root-cause-analyzer	04-root-cause-analysis.md	2
qe-chaos-engineer	05-chaos-resilience.md	4
qe-performance-tester	06-performance-sla.md	4
qe-regression-analyzer	07-regression-analysis.md	4
qe-pattern-learner	08-pattern-analysis.md	4
学习持久化	09-learning-persistence.json	7
qe-middleware-validator	10-middleware-health.md	4
qe-sap-rfc-tester	11-sap-health.md	4
qe-sod-analyzer	12-sod-compliance.md	4
反馈 Agent	13-feedback-loops.md	8
综合报告	01-executive-summary.md	6

---

执行模型选项

模型	使用场景	Agent 启动方式
Task Tool（主要）	Claude Code 会话	Task({ subagent_type, run_in_background: true })
MCP Tools	MCP 服务可用	fleet_init({}) / task_submit({})
CLI	终端/脚本	swarm init / agent spawn

---

核心原则

生产健康状况应以结果而非意图衡量。此 Agent 群组提供基于证据的生产评估，并闭合 QCSD 反馈回路。