anthropics/oncall-kit：把 Claude 放进事故频道——告警响起时它调查并贴出每个论断后面带链接的初诊；人决定怎么办；Claude 盯着修复落地并写下经验，让下一次事故起点更高。配套博客《AI CI/CD on-call》的参考实现。
一句话定位
值班循环的四个环节自动化三个半：告警→Claude 调查→人决策→Claode 盯修复与沉淀——设计哲学是「机器初诊、人类决断、经验回流」。
两条设计原则（README 开篇即讲）
1. 工具无关：技能里不写厂商名，只写能力——metrics source、log store、pager、code host；一个生成的 STACK.md 把能力映射到你们频道实际连的工具。Datadog 换 Grafana、PagerDuty 换 Opsgenie，技能一个字不改。
2. Playbook 不是从零写的：setup 读你们团队的真实事故史——告警线程、pager 历史、postmortem——从你们实际做过的事里起草 playbook，你审你改。
十分钟试用
零连接零管理：克隆仓库、Claude Code 打开、贴 test-factories/RUNBOOK.md 的一行指令——对一支虚构团队的 48 起事故史跑完整流程：挖掘、playbook 起草、签核闸、分级演练。
方法论精华
1. 「每个论断后面带链接」——初诊的可信度设计：事故频道里最危险的是「听起来对的错误诊断」；链接是让人类决策者能验证的唯一手段。与证据台、财报点评的引用强制一脉相承——这条纪律已是 Anthropic 全产品线的肌肉记忆。
2. STACK.md 的能力抽象层：把「工具名」与「能力」解耦——这是对 MCP 生态「类别占位符」（~~chat、~~pager）的文件级实现。依赖能力而非实现，是可移植性的全部秘密。
3. 事故史即训练数据：playbook 从自己团队的 48 起事故里挖——比任何通用模板都准，因为每支团队的故障模式都是特有的。
4. 签核闸（sign-off gates）：起草的 playbook 要人签核才生效——又一次「机器起草、人类批准」。
编者按
oncall-kit 是「AI 进团队工作流」的正确姿势标本：不抢决策权（人决定怎么办）、拿走苦活（初诊调查）、沉淀组织记忆（每次事故的教训回流 playbook）。对任何有 oncall 的团队，这个循环值得照抄。