---

name: "incident-commander" description: "Skill de Comandante de Incidentes para gerenciar resposta a incidentes tecnológicos, desde a detecção até a resolução e revisão pós-incidente. Cobre classificação de severidade, reconstrução de linha do tempo e geração de PIR." agents:

• claude-code

---

Skill Incident Commander

Categoria: Engineering Team
Tier: POWERFUL
Versão: 1.0.0
Última Atualização: Fevereiro de 2026

Visão Geral

A skill Incident Commander fornece um framework abrangente de resposta a incidentes para gerenciar incidentes tecnológicos desde a detecção até a resolução e revisão pós-incidente. Esta skill implementa práticas testadas em batalha de equipes SRE e DevOps em escala, fornecendo ferramentas estruturadas para classificação de severidade, reconstrução de linha do tempo e análise pós-incidente completa.

Funcionalidades Principais

• Classificação Automatizada de Severidade - Triagem inteligente de incidentes com base em métricas de impacto e urgência
• Reconstrução de Linha do Tempo - Transformar logs e eventos dispersos em narrativas coerentes de incidentes
• Geração de Revisão Pós-Incidente - PIRs estruturados com múltiplos frameworks de RCA
• Templates de Comunicação - Templates pré-construídos para atualizações de partes interessadas e escalações
• Integração de Runbook - Gerar runbooks acionáveis a partir de padrões de incidentes

Skills Incluídas

Ferramentas Principais

1. Classificador de Incidentes (incident_classifier.py)

   • Analisa descrições de incidentes e produz níveis de severidade
   • Recomenda equipes de resposta e ações iniciais
   • Gera templates de comunicação com base na severidade

2. Reconstrutor de Linha do Tempo (timeline_reconstructor.py)

   • Processa eventos com timestamp de múltiplas fontes
   • Reconstrói a linha do tempo cronológica do incidente
   • Identifica lacunas e fornece análise de duração

3. Gerador de PIR (pir_generator.py)

   • Cria documentos abrangentes de Revisão Pós-Incidente
   • Aplica múltiplos frameworks de RCA (5 Porquês, Espinha de Peixe, Linha do Tempo)
   • Gera itens de acompanhamento acionáveis

Framework de Resposta a Incidentes

Sistema de Classificação de Severidade

SEV1 - Interrupção Crítica

Definição: Falha completa de serviço afetando todos os usuários ou funções críticas de negócios

Características:

• Serviços voltados ao cliente completamente indisponíveis
• Perda ou corrupção de dados afetando usuários
• Violações de segurança com exposição de dados do cliente
• Sistemas geradores de receita inoperantes
• Violações de SLA com penalidades financeiras

Requisitos de Resposta:

• Escalação imediata para engenheiro de plantão
• Incident Commander designado em 5 minutos
• Notificação executiva em 15 minutos
• Atualização da página de status público em 15 minutos
• War room estabelecido
• Todos os recursos disponíveis se necessário

Frequência de Comunicação: A cada 15 minutos até a resolução

SEV2 - Impacto Maior

Definição: Degradação significativa afetando subconjunto de usuários ou funções não críticas

Características:

• Degradação parcial do serviço (>25% dos usuários afetados)
• Problemas de desempenho causando frustração do usuário
• Funcionalidades não críticas indisponíveis
• Ferramentas internas impactando produtividade
• Inconsistências de dados não afetando a experiência do usuário

Requisitos de Resposta:

• Resposta do engenheiro de plantão em 15 minutos
• Incident Commander designado em 30 minutos
• Atualização da página de status em 30 minutos
• Notificação de partes interessadas em 1 hora
• Atualizações regulares da equipe

Frequência de Comunicação: A cada 30 minutos durante a resposta ativa

SEV3 - Impacto Menor

Definição: Impacto limitado com soluções alternativas disponíveis

Características:

• Única funcionalidade ou componente afetado
• <25% dos usuários impactados
• Soluções alternativas disponíveis
• Degradação de desempenho sem impacto significativo na UX
• Alertas de monitoramento não urgentes

Requisitos de Resposta:

• Resposta em 2 horas durante horário comercial
• Resposta no próximo dia útil aceitável fora do horário
• Notificação interna da equipe
• Atualização opcional da página de status

Frequência de Comunicação: Apenas em marcos principais

SEV4 - Baixo Impacto

Definição: Impacto mínimo, problemas cosméticos ou manutenção planejada

Características:

• Bugs cosméticos
• Problemas de documentação
• Lacunas de logging ou monitoramento
• Problemas de desempenho sem impacto no usuário
• Problemas em ambiente de desenvolvimento/teste

Requisitos de Resposta:

• Resposta em 1-2 dias úteis
• Rastreamento padrão de ticket/issue
• Sem escalação especial necessária

Frequência de Comunicação: Atualizações padrão do ciclo de desenvolvimento

Papel do Incident Commander

Responsabilidades Principais

1. Comando e Controle

   • Assumir propriedade do processo de resposta ao incidente
   • Tomar decisões críticas sobre alocação de recursos
   • Coordenar entre equipes técnicas e partes interessadas
   • Manter consciência situacional em todos os fluxos de resposta

2. Hub de Comunicação

   • Fornecer atualizações regulares às partes interessadas
   • Gerenciar comunicações externas (páginas de status, notificações a clientes)
   • Facilitar comunicação eficaz entre equipes de resposta
   • Proteger respondentes de distrações externas

3. Gerenciamento de Processo

   • Garantir rastreamento e documentação adequados do incidente
   • Conduzir em direção à resolução mantendo a qualidade
   • Coordenar handoffs entre membros da equipe
   • Planejar e executar estratégias de rollback se necessário

4. Liderança Pós-Incidente

   • Garantir que revisões pós-incidente completas sejam realizadas
   • Conduzir implementação de medidas preventivas
   • Compartilhar aprendizados com a organização mais ampla

Framework de Tomada de Decisão

Decisões de Emergência (SEV1/2):

• Incident Commander tem autoridade total
• Preferência por ação sobre análise
• Documentar as decisões para revisão posterior
• Consultar especialistas no assunto, mas não ficar bloqueado

Alocação de Recursos:

• Pode recrutar qualquer membro de equipe necessário
• Autoridade para escalar para liderança sênior
• Pode aprovar gastos de emergência para recursos externos
• Decide sobre canais de comunicação e timing

Decisões Técnicas:

• Apoiar-se em líderes técnicos para detalhes de implementação
• Fazer chamadas finais sobre trade-offs entre velocidade e risco
• Aprovar estratégias de rollback vs. corrigir à frente
• Coordenar abordagens de teste e validação

Templates de Comunicação

Notificação Inicial de Incidente (SEV1/2)

Subject: [SEV{severity}] {Service Name} - {Brief Description}

Detalhes do Incidente:
- Hora de Início: {timestamp}
- Severidade: SEV{level}
- Impacto: {descrição do impacto no usuário}
- Status Atual: {investigando/mitigando/resolvido}

Detalhes Técnicos:
- Serviços Afetados: {lista de serviços}
- Sintomas: {o que os usuários estão experimentando}
- Avaliação Inicial: {causa raiz suspeita, se conhecida}

Equipe de Resposta:
- Incident Commander: {nome}
- Líder Técnico: {nome}
- SMEs Engajados: {lista}

Próxima Atualização: {timestamp}
Página de Status: {link}
War Room: {link de bridge/chat}

---
{Nome do Incident Commander}
{Informações de Contato}

Resumo Executivo (SEV1)

Subject: URGENTE - Interrupção Impactando Clientes - {Service Name}

Resumo Executivo:
{2-3 frases descrevendo o impacto nos clientes e implicações de negócios}

Métricas Principais:
- Tempo até Detecção: {X minutos}
- Tempo até Engajamento: {X minutos} 
- Impacto Estimado nos Clientes: {número/percentagem}
- Status Atual: {status}
- Estimativa de Resolução: {hora ou "investigando"}

Ações de Liderança Necessárias:
- [ ] Aprovação de comunicação com clientes
- [ ] Coordenação de PR/Comunicações  
- [ ] Decisões de alocação de recursos
- [ ] Engajamento de fornecedores externos

Incident Commander: {nome} ({contato})
Próxima Atualização: {hora}

---
Este é um alerta automático do nosso sistema de resposta a incidentes.

Template de Comunicação ao Cliente

Estamos atualmente enfrentando {breve descrição do problema} afetando {escopo do impacto}. 

Nossa equipe de engenharia foi alertada às {hora} e está trabalhando ativamente para resolver o problema. Forneceremos atualizações a cada {frequência} até a resolução.

O que sabemos:
- {declaração factual do impacto}
- {declaração factual do escopo}
- {breve status da resposta}

O que estamos fazendo:
- {ação de resposta primária}
- {ação de resposta secundária}

Solução alternativa (se disponível):
{passos da solução alternativa ou "Nenhuma solução alternativa disponível no momento"}

Pedimos desculpas pelo inconveniente e compartilharemos mais informações assim que disponíveis.

Próxima atualização: {hora}
Página de status: {link}

Gerenciamento de Partes Interessadas

Classificação de Partes Interessadas

Partes Interessadas Internas:

• Liderança de Engenharia - Decisões técnicas e alocação de recursos
• Gestão de Produto - Avaliação de impacto ao cliente e implicações de funcionalidade
• Suporte ao Cliente - Comunicação com usuários e gerenciamento de tickets de suporte
• Vendas/Gestão de Contas - Gerenciamento de relacionamento com clientes empresariais
• Equipe Executiva - Decisões de impacto nos negócios e aprovação de comunicação externa
• Jurídico/Conformidade - Relatórios regulatórios e avaliação de responsabilidade

Partes Interessadas Externas:

• Clientes - Disponibilidade do serviço e comunicação de impacto
• Parceiros - Disponibilidade de API e impactos de integração
• Fornecedores - Dependências de serviços de terceiros e escalação de suporte
• Reguladores - Relatórios de conformidade para setores regulados
• Público/Mídia - Transparência para interrupções públicas

Cadência de Comunicação por Parte Interessada

Parte Interessada	SEV1	SEV2	SEV3	SEV4
Liderança de Engenharia	Tempo real	30min	4hrs	Diário
Equipe Executiva	15min	1hr	EOD	Semanal
Suporte ao Cliente	Tempo real	30min	2hrs	Conforme necessário
Clientes	15min	1hr	Opcional	Nenhum
Parceiros	30min	2hrs	Opcional	Nenhum

Framework de Geração de Runbook

Componentes Dinâmicos de Runbook

1. Playbooks de Detecção

   • Definições de alerta de monitoramento
   • Árvores de decisão de triagem
   • Pontos de gatilho de escalação
   • Ações de resposta inicial

2. Playbooks de Resposta

   • Procedimentos de mitigação passo a passo
   • Instruções de rollback
   • Pontos de verificação de validação
   • Pontos de verificação de comunicação

3. Playbooks de Recuperação

   • Procedimentos de restauração de serviço
   • Verificações de consistência de dados
   • Validação de desempenho
   • Processos de notificação ao usuário

Estrutura do Template de Runbook

# Runbook de Resposta a Incidentes {Serviço/Componente}

## Referência Rápida
- **Indicadores de Severidade:** {lista de condições para cada nível de severidade}
- **Contatos Principais:** {rotações de plantão e caminhos de escalação}
- **Comandos Críticos:** {lista de comandos de emergência com descrições}

## Detecção
### Alertas de Monitoramento
- {Nome do alerta}: {descrição e limites}
- {Nome do alerta}: {descrição e limites}

### Sinais de Detecção Manual
- {Sintoma}: {o que procurar e onde}
- {Sintoma}: {o que procurar e onde}

## Resposta Inicial (0-15 minutos)
1. **Avaliar Severidade**
   - [ ] Verificar {métrica primária}
   - [ ] Verificar {indicador secundário}
   - [ ] Classificar como SEV{nível} com base em {critérios}

2. **Estabelecer Comando**
   - [ ] Acionar Incident Commander se SEV1/2
   - [ ] Criar ticket de rastreamento de incidente
   - [ ] Entrar no war room: {link/informações de bridge}

3. **Investigação Inicial**
   - [ ] Verificar implantações recentes: {localização do log de implantação}
   - [ ] Revisar logs de erro: {localização do log e consultas}
   - [ ] Verificar dependências: {comandos de verificação de dependência}

## Estratégias de Mitigação
### Estratégia 1: {Nome}
**Use quando:** {condições}
**Passos:**
1. {passo detalhado com comandos}
2. {passo detalhado com resultados esperados}
3. {passo de validação}

**Plano de Rollback:**
1. {passo de rollback}
2. {passo de verificação}

### Estratégia 2: {Nome}
{estrutura semelhante}

## Recuperação e Validação
1. **Restauração do Serviço**
   - [ ] {passo de restauração}
   - [ ] Aguardar {métrica} retornar ao normal
   - [ ] Validar funcionalidade de ponta a ponta

2. **Comunicação**
   - [ ] Atualizar página de status
   - [ ] Notificar partes interessadas
   - [ ] Agendar PIR

## Armadilhas Comuns
- **{Armadilha}:** {descrição e como evitar}
- **{Armadilha}:** {descrição e como evitar}

## Informações de Referência
→ Veja references/reference-information.md para detalhes

## Exemplos de Uso

### Exemplo 1: Esgotamento do Pool de Conexões do Banco de Dados

```bash
# Classificar o incidente
echo '{"description": "Users reporting 500 errors, database connections timing out", "affected_users": "80%", "business_impact": "high"}' | python scripts/incident_classifier.py

# Reconstruir a linha do tempo a partir dos logs
python scripts/timeline_reconstructor.py --input assets/db_incident_events.json --output timeline.md

# Gerar PIR após a resolução
python scripts/pir_generator.py --incident assets/db_incident_data.json --timeline timeline.md --output pir.md

Exemplo 2: Incidente de Limitação de Taxa de API

# Classificação rápida a partir de stdin
echo "API rate limits causing customer API calls to fail" | python scripts/incident_classifier.py --format text

# Construir linha do tempo a partir de múltiplas fontes
python scripts/timeline_reconstructor.py --input assets/api_incident_logs.json --detect-phases --gap-analysis

# Gerar PIR abrangente
python scripts/pir_generator.py --incident assets/api_incident_summary.json --rca-method fishbone --action-items

Melhores Práticas

Durante a Resposta ao Incidente

1. Manter Liderança Calma

   • Permaneça composto sob pressão
   • Tome decisões decisivas com informações incompletas
   • Comunique confiança enquanto reconhece incerteza

2. Documente Tudo

   • Todas as ações tomadas e seus resultados
   • Justificativa de decisão, especialmente para chamadas controversas
   • Linha do tempo de eventos à medida que ocorrem

3. Comunicação Eficaz

   • Use linguagem clara, sem jargão
   • Forneça atualizações regulares mesmo quando não há novas informações
   • Gerencie as expectativas das partes interessadas proativamente

4. Excelência Técnica

   • Prefira rollbacks a correções arriscadas sob pressão
   • Valide correções antes de declarar resolução
   • Planeje falhas secundárias e efeitos em cascata

Pós-Incidente

1. Cultura Sem Culpa

   • Foque em falhas de sistema, não em erros individuais
   • Incentive relato honesto do que deu errado
   • Celebre oportunidades de aprendizado e melhoria

2. Disciplina de Itens de Ação

   • Atribua responsáveis e prazos específicos
   • Acompanhe o progresso publicamente
   • Priorize com base em risco e esforço

3. Compartilhamento de Conhecimento

   • Compartilhe PIRs amplamente dentro da organização
   • Atualize runbooks com base em lições aprendidas
   • Realize sessões de treinamento para modos comuns de falha

4. Melhoria Contínua

   • Procure padrões em múltiplos incidentes
   • Invista em ferramentas e automação
   • Revise e atualize processos regularmente

Integração com Ferramentas Existentes

Monitoramento e Alertas

• Integração PagerDuty/Opsgenie para escalação
• Datadog/Grafana para métricas e dashboards
• ELK/Splunk para análise e correlação de logs

Plataformas de Comunicação

• Slack/Teams para coordenação do war room
• Zoom/Meet para bridges de vídeo
• Provedores de página de status (Statuspage.io, etc.)

Sistemas de Documentação

• Confluence/Notion para armazenamento de PIR
• GitHub/GitLab para controle de versão de runbook
• JIRA/Linear para rastreamento de itens de ação

Gerenciamento de Mudanças

• Integração de pipeline CI/CD
• Sistemas de rastreamento de implantação
• Plataformas de feature flag para rollbacks rápidos

Conclusão

A skill Incident Commander fornece um framework abrangente para gerenciar incidentes desde a detecção até a revisão pós-incidente. Ao implementar processos estruturados, templates de comunicação claros e ferramentas de análise completas, as equipes podem melhorar suas capacidades de resposta a incidentes e construir sistemas mais resilientes.

A chave para o gerenciamento bem-sucedido de incidentes é preparação, prática e aprendizado contínuo. Use este framework como ponto de partida, mas adapte-o às necessidades específicas, cultura e ambiente técnico de sua organização.

Lembre-se: O objetivo não é prevenir todos os incidentes (o que é impossível), mas detectá-los rapidamente, responder eficazmente, comunicar claramente e aprender continuamente.