这页怎么用
当渠道出问题时，不要先改配置。先按这页做排查和止血。
你只要记住两件事：
- 先确认问题在哪一层，再改那一层
- 每次只改一个点，改完马上回归
值班目标（先定标准）
这 3 个目标先写进你的值班看板：
- 消息投递成功率不低于 99%
- p95 响应时延控制在 8 秒以内
- 单渠道每天重连次数不高于 2 次
必须监控的 6 个指标
- 渠道入口请求量（5 分钟窗口）
- 渠道错误率（按错误码分组）
- 会话路由冲突数
- 渠道重连次数
- 最后一条成功回写时间
- 渠道级超时比例
报警阈值（直接用）
P1: 连续 5 分钟无成功回写P1: 错误率高于 10%，并持续 10 分钟P2: p95 时延超过 12 秒，并持续 15 分钟P2: 重连次数超过每小时 5 次
前 10 分钟排障 SOP
- 看入口：消息有没有进来
- 看路由：session key 是否正确
- 看执行：模型/工具调用是否失败
- 看回传：平台 API 是否超时或拒绝
只按这个顺序，不要跳步。
三个高频故障对应动作
-
Telegram 消息乱序
动作：先校验消息时间戳与 session key，再看并发处理顺序
来源：Issue #45596 -
Discord 事件超时
动作：先查 webhook/event 延迟，再查调用链超时
来源：Issue #45589 -
WhatsApp 24h 后监听中断
动作：先查连接保活与重连策略，再查 token 状态
来源：Issue #45581
每天值班结束前要做的 5 件事
- 导出渠道错误 Top 5
- 记录当日 P1/P2 事件
- 更新“已知问题到临时绕行方案”清单
- 校验重连策略是否生效
- 回放至少 1 条故障链路
参考文档
结论
如果你只能保留一页渠道运维文档，就保留这页。
它的价值是让新人也能在 10 分钟内按顺序定位故障，而不是靠经验猜。