Gestão de Crises (War Room)

Procedimentos para lidar com problemas críticos em produção com o AIOS, incluindo gatilhos de escalonamento, workflows de hotfix, procedimentos de rollback e padrões de comunicação.

Condições de Acionamento

Ative o protocolo de war room quando qualquer uma dessas condições ocorrer:

• Produção fora do ar ou severamente degradada
• Perda de dados ou violação de segurança detectada
• Função crítica de negócio indisponível
• Degradação de performance afetando a maioria dos usuários
• Falhas em cascata entre serviços

Classificação de Severidade

Problemas P0 e P1 acionam o protocolo completo de war room. Problemas P2 usam uma versão expedita. Problemas P3 seguem o Story Development Cycle padrão.

Protocolo de War Room

1. Reunir

Ative os agentes-chave:

@devops  -- Infraestrutura e deploy
@dev     -- Investigação de código e correções
@qa      -- Verificação e testes de regressão

Para incidentes P0, também envolva @architect para análise em nível de sistema.

2. Triagem

1. Identifique o sintoma (o que os usuários veem)
2. Verifique deploys recentes (git log --oneline -10)
3. Verifique o status da infraestrutura (dashboard do provedor de hospedagem, monitoramento)
4. Verifique o status de serviços externos (APIs de terceiros, bancos de dados)
5. Correlacione o timing com mudanças recentes

3. Contenção

Aplique a mitigação mais rápida em ordem de preferência:

1. Rollback — Reverter para o último deploy estável conhecido
2. Feature Flag — Desativar a funcionalidade problemática
3. Hotfix — Alteração mínima de código para restaurar o serviço

4. Workflow de Hotfix

Para hotfixes, use o Story Development Cycle no modo YOLO:

@dev *develop hotfix-{issue}

Características do modo YOLO:

• Zero a um prompts (execução autônoma)
• Todas as decisões registradas em decision-log-hotfix-{issue}.md
• Pular criação de story para problemas P0
• Escopo mínimo: corrigir apenas o problema imediato

5. Verificar

@qa *qa-gate

Mesmo para hotfixes, verifique que:

• A correção resolve o problema reportado
• Nenhuma nova regressão é introduzida
• A funcionalidade principal permanece intacta

6. Deploy

@devops *push --expedite

O push expedido pula o ciclo completo de revisão e marca o PR para merge imediato.

7. Post-Mortem

Após a resolução, documente o incidente:

1. Linha do tempo — Registro cronológico dos eventos desde a detecção até a resolução
2. Causa raiz — Análise técnica do que falhou e por quê
3. Impacto — Usuários afetados, duração, impacto no negócio
4. Resposta — O que foi feito e com que rapidez
5. Prevenção — Criar stories para prevenir recorrência

Gatilhos de Escalonamento

As seguintes condições acionam escalonamento automático:

Comandos de Escalonamento

*escalate-qa-loop     # Forçar escalonamento do QA loop
*stop-qa-loop         # Pausar e salvar estado
*resume-qa-loop       # Retomar do estado salvo

Procedimentos de Rollback

Rollback de Código

# Identificar o último commit estável
git log --oneline -20
 
# Reverter o(s) commit(s) problemático(s)
@devops *push   # com commit de revert

Rollback de Banco de Dados

Se o problema envolve migrações de banco de dados:

1. Identifique a migração problemática
2. Execute a migração reversa ou aplique uma migração corretiva
3. Verifique a integridade dos dados
4. Nunca delete dados de produção sem backup

Rollback de Infraestrutura

Para problemas em nível de infraestrutura, @devops gerencia:

• Reverter configurações de deploy
• Escalar recursos de volta aos níveis anteriores
• Restaurar a partir de backups se necessário

Padrões de Comunicação

Durante o Incidente

• Atualizações de status a cada 15-30 minutos para P0/P1
• Propriedade clara — Uma pessoa coordena; agentes executam
• Log de decisões — Cada ação e decisão documentada com timestamps

Após a Resolução

• Relatório de incidente — Compartilhado em até 24 horas
• Stories preventivas — Criadas no backlog em até 48 horas
• Atualizações de monitoramento — Alertas e dashboards atualizados para detectar problemas similares

Checklist de Prevenção

Para reduzir a probabilidade de crises futuras:

• Testes automatizados cobrem caminhos críticos
• Feature flags disponíveis para funcionalidades principais
• Monitoramento e alertas configurados para métricas-chave
• Procedimentos de rollback documentados e testados
• Estratégia de backup de banco de dados verificada
• Contatos e canais de resposta a incidentes estabelecidos