作者：默思編輯部 發布：2026-08-01
Site Reliability Engineer（SRE）這個職位常被簡化理解成「維護伺服器不當機的人」，但真正定義這份工作價值的，往往是系統真的出狀況時的應變流程——尤其是事故發生後的Postmortem（事故檢討報告），這是SRE工作內容中最考驗溝通與系統性思考能力的部分。
當系統出現異常，值班中的SRE會收到告警通知，第一步是判斷事故的嚴重程度（severity level），並依照既定流程召集必要的關鍵應變人員。一個SEV-1等級（最高嚴重度）的事故應變，通常需要納入關鍵應變人員、服務負責人、SRE或平台團隊、產品利害關係人、客服團隊，必要時甚至包含管理層，確保事故處理過程中資訊同步且決策權責清楚。
這個階段的核心目標是「先止血、再究責」——優先讓服務恢復正常運作，詳細的根因分析留到事後的Postmortem階段進行，避免在事故當下因為急於釐清「誰的錯」而拖慢應變速度。
Postmortem是一份記錄事故發生經過、原因與後續改善措施的書面報告，通常包含事件摘要、時間軸、根因分析、影響範圍評估，以及附帶負責人與截止日期的改善行動項目。這份報告不是寫給管理層看的形式文件，而是整個工程團隊用來從故障中學習、防止同類事故再次發生的核心工具。
Postmortem會議是一場結構化、無責難（blameless）的事後檢討會議，目標是理解「發生了什麼事、為什麼會發生、造成什麼影響，以及要做哪些改變來降低再次發生的可能性或嚴重程度」。
Blameless postmortem的核心假設，是相信所有涉入事故的人在事發當下都是基於當時最好的資訊、出於善意做出判斷——這代表究責的焦點會從「是誰把系統弄壞的」，轉移到「系統的哪個條件允許這個問題發生，我們該如何修補這個系統性弱點」。這種文化設計背後的邏輯很實際：如果工程師擔心事故後會被究責，就會傾向隱瞞細節或避重就輕，反而讓團隊更難從真正的根因中學到東西。
對想轉職SRE或正在考慮這個職涯方向的工程師來說，理解Postmortem與Blameless文化的重要性，往往比精通某個特定的監控工具更關鍵——SRE的核心價值,某種程度上就是把每一次事故轉化成系統長期變得更穩定的養分，這需要扎實的技術判斷力，也需要良好的書面表達與跨團隊溝通能力。