以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。
通知预算解决「发多少」,渠道选择解决「从哪里发」,升级解决最后一个问题:发出去之后没有人接住怎么办。一条通知发到应用内,用户没看;发到邮件,被归档;发到 IM,被群消息淹没。这些都不是通知失败,而是升级失败。升级的本质不是「再发一次」,而是「换一个人,并且要求这个人确认接住」。
这一节的主判断是:升级必须有人接,没有确认的升级只是另一条通知。升级规则要写清三件事:什么时候升、升给谁、对方不接怎么办。三件事缺一件,升级就会停在某个渠道里,变成一个没有人负责的状态。
升级不是通知,是交接
通知和升级的区别,可以用一张表说清。
| 维度 | 通知 | 升级 |
|---|---|---|
| 目的 | 让某人知道 | 让某人接手 |
| 成功标准 | 已送达 | 已确认 |
| 失败后的动作 | 重发或换渠道 | 换人并提高级别 |
| 责任 | 发送方 | 接收方 |
| 结束条件 | 消息发出 | 有人处理或明确拒绝 |
这张表的关键是「责任转移」。通知发出后,责任还在发送方;升级被确认后,责任转移到接收方。没有确认的升级,责任仍然在发送方,但发送方以为已经交出去了,于是两边都不处理。这是升级设计里最危险的状态:任务看起来有人管,实际上没有人管。
A Relay 的 P1 工单最容易出现这个问题。Agent 在侧栏给出建议,人没有确认,系统以为「已经通知过了」,工单继续等。A 的平均确认时长是 45 秒,如果 10 分钟还没有确认,这不是正常波动,而是有人漏看了。升级规则必须在这一刻介入。
三条升级触发:时间、严重度、无响应
升级触发可以归成三类,每一类回答一个不同的问题。
| 触发 | 回答的问题 | 例子 | 风险 |
|---|---|---|---|
| 时间 | 这件事等了多久 | P1 建议 10 分钟未确认 | 等待被当成正常 |
| 严重度 | 这件事错下去会怎样 | 客户报告里的数字错了 | 严重错误被时间规则漏掉 |
| 无响应 | 接住的人有没有动 | 组长确认后 20 分钟无进展 | 确认了但没处理 |
时间触发适合「人已经在流程里,但可能漏看」的场景。A 的 P1 工单属于这一类:人就在工单页,确认只需要 45 秒;10 分钟没确认,说明他不在、漏看或被别的事挡住了。时间阈值不能拍脑袋,要相对于正常处理时间来定:A 的平均确认是 45 秒,10 分钟是平均值的 13 倍,足够区分「慢」和「漏」。
严重度触发适合「错误代价高,不能等」的场景。B 的报告里出现影响客户数字的事实错误,属于这一类:B 的事实错误率是 4.6%,按 606 份报告算约 27.9 份/月;这个比例不算高,但每一份都可能影响客户信任。严重度触发不看等了多久,它看「错下去会怎样」,所以可以立即升级。
无响应触发适合「人已经确认,但没有进展」的场景。确认不等于处理;一个人可能点了「收到」,然后被另一个会议拉走。C 的不可回滚动作属于这一类:值班确认后 5 分钟没有动作,就要升级到运营经理,因为已经发出的客户通知不会等人。
三类触发不是互斥的,一个事件可以同时命中多条。实现时要按「严重度 → 时间 → 无响应」的顺序判断:严重度优先,因为它不依赖等待;时间其次,因为它能发现漏看;无响应最后,因为它只在前两步都没触发时才有意义。
升级必须有人接
升级规则里最重要的字段不是「发给谁」,而是「怎么确认接住」。一个没有确认机制的升级,和一条普通通知没有区别。
确认机制至少包含三件事:
- 明确的接收人。 不是「运营团队」,不是「值班群」,而是一个具体的人或一个明确的值班角色。
- 确认动作。 接收人必须点「我接手」或回复确认,系统才把责任转移过去。
- 再次升级的超时。 接收人确认后多久没有进展,就升到下一级;下一级也要有人接。
| 级别 | 接收人 | 确认方式 | 不确认的后果 |
|---|---|---|---|
| 1 | 值班组长 | 工单系统点「接手」 | 20 分钟后升到支持经理 |
| 2 | 支持经理 | 工单系统点「接手」 | 进入事故响应流程 |
| 3 | 事故响应负责人 | 电话确认 | 记录为升级失败,进入复盘 |
这张表里没有「发到群里」。群不是接收人,群是一组可能看到也可能没看到的人。把升级发到群里,等于把责任分散给所有人,最后没有人负责。
升级还必须有一个「备用人」。接收人请假、离职、手机没电,都是现实;没有备用人,升级链在第二跳就断了。备用人的级别不能低于接收人,否则升级会降级。
三个案例各一条规则
三个案例的升级规则不同,因为它们的错误结构和时间结构不同。
A Relay:时间触发。 P1 建议 10 分钟未被确认,升级到值班组长;组长确认后 20 分钟无进展,升级到支持经理。A 的平均确认是 45 秒,10 分钟是平均值的 13 倍;这个阈值足够宽,不会因为正常波动误报,也足够窄,不会让 P1 在队列里躺半小时。A 的特殊性是:严重度不单独触发升级,因为人已经在决策链上,P1 的严重度由工单系统原有的 SLA 规则处理;Agent 再加一条严重度触发,会和工单系统打架。
B Quill:严重度触发。 复核发现影响客户数字的事实错误,立即升级到项目负责人;负责人 30 分钟未处理,升级到合伙人。B 的事实错误率是 4.6%,按 606 份报告算约 27.9 份/月;这个数字说明事实错误不是偶发事件,必须有固定的升级路径,而不是每次临时找人。B 的一次采纳率是 63%,小改率 28%,返工率 9%;返工档的审改时长是 3.0 小时,事实错误往往就藏在这一档里,所以严重度触发要挂在复核环节,而不是等客户发现。
C Runner:严重度加无响应。 出现不可回滚动作,立即升级到运营值班;值班 5 分钟未确认,升级到运营经理。C 的错误中 86% 可回滚,14% 不可回滚,不可回滚错误率是 0.238%;按 13,200 个任务算,约 31.4 个/月。这个数字不算大,但每一个都可能已经发出了客户通知,所以 C 的升级规则不能等批次结束,必须在动作发生时立即触发。C 的补偿动作是补发说明加人工回访,升级到人之后,第一件事不是继续执行,而是确认需不需要补偿。
| 案例 | 主触发 | 第一接收人 | 超时后 | 为什么这样选 |
|---|---|---|---|---|
| A Relay | 时间 | 值班组长 | 支持经理 | 人在流程里,漏看比错误更常见 |
| B Quill | 严重度 | 项目负责人 | 合伙人 | 事实错误代价高,不能等 |
| C Runner | 严重度 + 无响应 | 运营值班 | 运营经理 | 不可回滚动作已经产生外部副作用 |
升级路径要写名字,不写角色池
「升级到运营团队」不是一条规则,因为运营团队不是一个能接住任务的人。升级路径的每一跳都要写清「谁」,而不是「哪个池子」。
| 写法 | 问题 | 改写成 |
|---|---|---|
| 升级到运营团队 | 团队不是接收人,没有人负责 | 升级到当班运营值班 |
| 升级到值班群 | 群消息会被淹没,责任分散 | 升级到值班组长,群里只发同步 |
| 升级到负责人 | 负责人可能是三个人,没人知道是谁 | 升级到项目负责人张三,备用李四 |
| 升级到 AI 主管 | 机器不能担责,也不能确认接手 | 升级到运营经理,AI 只负责触发 |
这张表的最后一行是边界:升级的接收人必须是人,不能是 Agent。Agent 可以触发升级、可以发送通知、可以记录确认,但它不能「接住」一个需要担责的任务。把升级目标写成 Agent,等于把责任交给一个不能签字的主体。
升级路径还要在运行时解析到具体的人。配置里可以写「当班运营值班」,但系统必须在触发时把它解析成「今天值班的王五」,并把确认请求发给他。只写角色不解析,等于把通知发进一个没有名字的池子。
降级与升级的区别
降级和升级经常被混为一谈,但它们的方向相反。
| 维度 | 降级 | 升级 |
|---|---|---|
| 谁做更多 | 产品做更少 | 人做更多 |
| 触发 | 能力不足、风险升高 | 时间、严重度、无响应 |
| 结果 | Agent 从执行退到建议,或从全量退到只读 | 任务从 Agent 转到人 |
| 用户感知 | 「它现在只能做这些」 | 「有人接手了」 |
| 失败形态 | 产品能力缩水但仍在运行 | 没有人接,任务悬空 |
降级是产品在能力不足时主动收缩,升级是产品在责任不足时交给人。两者的共同点是「不让 Agent 硬撑」,区别是降级后任务还在 Agent 手里,升级后任务到了人手里。把降级写成升级,用户会以为有人接手,实际上只是 Agent 少做了几步;把升级写成降级,任务会停在一个既没有 Agent 执行、也没有人负责的状态。
把升级写成可校验的计划
下面这个模型把升级规则做成可运行的函数。validatePlan 检查每一步的接收人是不是人、有没有备用人、有没有主动触发;decideEscalation 按「严重度 → 时间 → 无响应」的顺序判断该不该升级、升给谁。
// file: src/trust/08-3-escalation.ts
// tier: L2
// verify: node --test test/trust/08-3-escalation.test.ts
// 升级不是「通知一个人」,而是把任务交给一个有名有姓、必须接住的人。
// 没有确认的升级,只是另一条通知。
export type CaseKey = "A" | "B" | "C";
export type Severity = "critical" | "high" | "normal";
export type TriggerKind = "severity" | "time" | "no-response";
export type EscalationStep = {
readonly order: number;
readonly to: string;
readonly trigger: TriggerKind;
readonly thresholdMinutes: number;
readonly channel: string;
readonly note: string;
};
export type EscalationPlan = {
readonly caseKey: CaseKey;
readonly steps: readonly EscalationStep[];
readonly backup: string;
};
export type Incident = {
readonly caseKey: CaseKey;
readonly severity: Severity;
readonly minutesOpen: number;
readonly acknowledged: boolean;
readonly minutesSinceAck: number;
readonly nonRollbackable: boolean;
};
export type Decision = {
readonly escalate: boolean;
readonly target: string | null;
readonly step: number | null;
readonly reason: string;
};
const MACHINE_ROLE = /agent|machine|bot|机器人|模型/i;
export function validatePlan(plan: EscalationPlan): readonly string[] {
const issues: string[] = [];
if (plan.steps.length === 0) {
issues.push("升级计划至少要有一步");
}
const seen = new Set<number>();
for (const step of plan.steps) {
if (step.to.trim() === "") {
issues.push(`第 ${step.order} 步没有接收人`);
}
if (MACHINE_ROLE.test(step.to)) {
issues.push(`第 ${step.order} 步把任务交给了机器`);
}
if (seen.has(step.order)) {
issues.push(`第 ${step.order} 步重复`);
}
seen.add(step.order);
}
if (plan.backup.trim() === "") {
issues.push("缺备用人");
}
if (MACHINE_ROLE.test(plan.backup)) {
issues.push("备用人不能是机器");
}
if (!plan.steps.some((step) => step.trigger === "severity" || step.trigger === "time")) {
issues.push("缺主动触发,只剩无响应兜底");
}
return issues;
}
// 三个案例各一条主规则:A 看时间,B 看严重度,C 看不可回滚。
export const ESCALATION_PLANS: Readonly<Record<CaseKey, EscalationPlan>> = {
A: {
caseKey: "A",
steps: [
{
order: 1,
to: "值班组长",
trigger: "time",
thresholdMinutes: 10,
channel: "工单系统",
note: "P1 建议 10 分钟未被确认,先找值班组长",
},
{
order: 2,
to: "支持经理",
trigger: "no-response",
thresholdMinutes: 20,
channel: "工单系统",
note: "组长确认后 20 分钟仍无进展,升级到支持经理",
},
],
backup: "支持经理",
},
B: {
caseKey: "B",
steps: [
{
order: 1,
to: "项目负责人",
trigger: "severity",
thresholdMinutes: 0,
channel: "站内",
note: "复核发现影响客户数字的事实错误,立即找项目负责人",
},
{
order: 2,
to: "合伙人",
trigger: "no-response",
thresholdMinutes: 30,
channel: "站内",
note: "负责人 30 分钟未处理,升级到合伙人",
},
],
backup: "另一位合伙人",
},
C: {
caseKey: "C",
steps: [
{
order: 1,
to: "运营值班",
trigger: "severity",
thresholdMinutes: 0,
channel: "邮件 + 站内",
note: "出现不可回滚动作,先找运营值班,再谈补偿",
},
{
order: 2,
to: "运营经理",
trigger: "no-response",
thresholdMinutes: 5,
channel: "邮件 + 站内",
note: "值班 5 分钟未确认,升级到运营经理",
},
],
backup: "运营经理",
},
};
export function decideEscalation(
incident: Incident,
plan: EscalationPlan,
): Decision {
if (incident.nonRollbackable || incident.severity === "critical") {
const severityStep = plan.steps.find(
(step) => step.trigger === "severity",
);
if (severityStep) {
return {
escalate: true,
target: severityStep.to,
step: severityStep.order,
reason: severityStep.note,
};
}
}
if (!incident.acknowledged) {
const timeStep = plan.steps.find(
(step) =>
step.trigger === "time" &&
incident.minutesOpen >= step.thresholdMinutes,
);
if (timeStep) {
return {
escalate: true,
target: timeStep.to,
step: timeStep.order,
reason: timeStep.note,
};
}
}
if (incident.acknowledged) {
const noResponseStep = plan.steps.find(
(step) =>
step.trigger === "no-response" &&
incident.minutesSinceAck >= step.thresholdMinutes,
);
if (noResponseStep) {
return {
escalate: true,
target: noResponseStep.to,
step: noResponseStep.order,
reason: noResponseStep.note,
};
}
}
return {
escalate: false,
target: null,
step: null,
reason: "仍在正常处理窗口内",
};
}
export function findPlan(caseKey: CaseKey): EscalationPlan {
return ESCALATION_PLANS[caseKey];
}
validatePlan 会拒绝把接收人写成 Runner agent 的计划,也会拒绝没有备用人的计划。这不是类型系统能解决的问题,因为配置里的接收人都是字符串;只能在运行时校验,把「机器不能担责」变成一条可执行的规则。decideEscalation 对 A 的 P1 用时间触发:9 分钟不升级,10 分钟升级到值班组长;对 B 的事实错误用严重度触发:1 分钟也立即升级;对 C 的不可回滚动作采用严重度触发:0 分钟就升级到运营值班。
把 A 的 P1 代进去:严重度是 critical,但 A 的计划里没有严重度步骤,所以不会因为「critical」立即升级;只有等到 10 分钟未确认,才会触发时间步骤。这是有意的:A 的人已经在工单页里,严重度由工单系统的 SLA 处理,Agent 再加一条严重度触发会制造第二个告警源。
升级之后记录什么
升级不是结束,而是事故记录的开始。一次升级至少要留下五个字段:
| 字段 | 回答的问题 | 用途 |
|---|---|---|
| 谁触发 | 是时间、严重度还是无响应 | 复盘规则是否合理 |
| 升给谁 | 具体的人,不是角色池 | 确认责任转移 |
| 何时确认 | 接收人什么时候点「接手」 | 计算响应时长 |
| 看到了什么 | 升级时附带的任务状态、证据 | 判断接收人是否在信息充分的情况下接手 |
| 做了什么 | 继续、回滚、补偿还是拒绝 | 形成可审计的处理链 |
这五个字段和审计记录是同一套东西。C 的审计抽检比例是 8%,单次复核 12 分钟;升级记录如果不进审计,复核时就无法判断「这次升级是否及时」。A 的工单系统已经有 SLA 记录,Agent 的升级记录要挂到同一张工单上,而不是另开一份日志。B 的报告审改记录要能追到具体章节,升级记录要能追到具体事实错误。
小结
- 升级不是通知,是交接;成功标准是「有人确认接住」,不是「消息已送达」。
- 三条触发:时间、严重度、无响应;判断顺序是严重度优先,时间其次,无响应最后。
- 没有确认机制的升级,和一条普通通知没有区别;确认后没有进展,还要继续升级。
- A Relay 用时间触发:P1 建议 10 分钟未确认升级到值班组长,20 分钟无进展升级到支持经理。
- B Quill 用严重度触发:影响客户数字的事实错误立即升级,4.6% 的错误率说明这不是偶发事件。
- C Runner 用严重度加无响应:不可回滚动作立即升级,0.238% 的错误率对应约 31.4 个/月。
- 升级接收人必须是人,必须有名字、有确认动作、有备用人;Agent 只能触发,不能接住。
- 降级是产品做更少,升级是人做更多;两者不能互相替代。
阅读导航:上一节:8.2 渠道选择 · 下一节:9.1 共享上下文与个人边界 。
常见错误与边界
- 把升级当成再发一条通知。 没有确认动作,责任没有转移,任务仍然悬空。
- 只设时间触发。 严重错误可能在时间阈值到达前就造成损失;B 的事实错误必须按严重度立即升级。
- 只设严重度触发。 不严重的任务可能永远没人看;A 的 P1 漏看需要时间触发来兜底。
- 升级到角色池或群。 「运营团队」「值班群」不是接收人,责任会被分散到没有人负责。
- 升级到 Agent。 机器不能担责、不能确认接手;升级目标必须是有名有姓的人。
- 确认后不再跟踪。 确认不等于处理,C 的值班 5 分钟无动作就要升级到运营经理。
这一节结束第 8 章。下一章换一个视角:当多个用户、多个角色共用同一个 Agent 时,上下文和边界该怎么划。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。