_{🧠 图解记忆：确认影响范围、开始时间、近期变更和数据安全风险；点击图片可查看原图。}

💡 答案要点

先控制影响，再定位根因：

1. 确认影响范围、开始时间、近期变更和数据安全风险；
2. 必要时停止写操作、切换降级路径或回滚；
3. 用 request_id/trace_id 判断失败发生在认证、网络、限流、schema、业务逻辑还是下游；
4. 比较成功与失败请求，检查配置、凭据、时钟、配额和依赖状态；
5. 向客户给出固定节奏的事实更新，不猜测恢复时间；
6. 恢复后补数据、核对副作用，并形成根因、修复项和回归测试。

高压下仍应保护凭据和客户数据，不能为了“快”把敏感 payload 粘贴到未经批准的外部工具。

📚 参考：LangSmith：Tracing（生产故障排查）