ai-customer-service/docs/GRAY_DASHBOARD_MINIMUM.md

灰度阶段最小 Dashboard

状态：已定义
用途：灰度 5% / 20% / 50% / 100% 放量时，值班工程师和 TechLead 必须看的单页观察面

---

1. 必须展示的 8 个指标

1. Webhook 5xx 比例
2. Webhook reject 数
3. Ticket 创建量
4. Handoff 比率
5. Audit 写入失败数
6. Readiness down 次数
7. PostgreSQL 连接异常
8. 单实例重启次数

---

2. 推荐布局

第一行：放量门禁

• Webhook 5xx 比例
• Audit 写入失败数
• PostgreSQL 连接异常
• Readiness down 次数

这些指标用于判断：是否必须停止放量或立即回滚

第二行：业务链路健康

• Ticket 创建量
• Handoff 比率
• Webhook reject 数

这些指标用于判断：是否出现隐性降级或业务异常漂移

第三行：实例稳定性

• 单实例重启次数
• 当前灰度比例
• 当前版本
• 最近一次 Gate B / 回滚演练记录链接

---

3. 颜色规则

指标	绿色	黄色	红色
Webhook 5xx	<= 0.5%	0.5% ~ 1%	> 1%
Webhook reject 数	在预期基线内	高于基线但 <20%	>= 20%
Ticket 创建量	与 handoff 基本匹配	明显下降	handoff 存在但 ticket 持续为 0
Handoff 比率	<= 15% 或接近基线	15% ~ 25%	> 25% 或高于基线 2x
Audit 写入失败数	0	短时抖动	> 0 持续 5 分钟
Readiness down 次数	0	偶发	连续 3 次
PostgreSQL 连接异常	0	短时抖动	持续异常
单实例重启次数	0	1~2 / 10min	>2 / 10min

---

4. Dashboard 直接用途

值班期间，只允许做三类决策：

1. 继续放量 前提：所有门禁指标为绿色，且观察窗口已满足

2. 冻结当前档位 前提：出现黄色趋势，但未触发红色门禁

3. 立即回滚 前提：任一核心门禁指标变红

---

5. 当前状态

这份 dashboard 文档已经定义完成，但真实共享预生产/灰度环境还需要补：

• 指标来源接线
• 展示面板
• 告警路由

在这些接线完成前，只能说：

Dashboard 设计已完成，运行时观察面尚未真正上线。