AGENT SKILL

deployment-prep-skill

Pre-Deployment-Verifizierungs-Checkliste mit Rollback-Planung und Anleitung für schrittweise Rollouts. Verwende sie, wenn du ein Release vorbereitest, ein riskantes Deployment planst oder Deployment-Runbooks erstellst. Auslösen mit "Deployment vorbereiten", "Release-Checkliste", "Deploy-Plan für".

License 许可
MIT
最近更新
2026-11-13
Stars
★ 0
Forks
0

01 前言 Front Matter

name
deployment-prep-skill
description
Pre-Deployment-Verifizierungs-Checkliste mit Rollback-Planung und Anleitung für schrittweise Rollouts. Verwende sie, wenn du ein Release vorbereitest, ein riskantes Deployment planst oder Deployment-Runbooks erstellst. Auslösen mit "Deployment vorbereiten", "Release-Checkliste", "Deploy-Plan für".

03 SKILL.md 正文

Deployment-Vorbereitung-Skill

Erkenne Deployment-Probleme, bevor sie deine Nutzer erreichen, und halte den Blast Radius klein, wenn doch etwas schiefgeht. Der Skill deckt Pre-Deployment-Checklisten, Rollback-Planung, Canary-/Blue-Green-Strategien und Kommunikationspläne ab. Die kontextspezifischen Daten kommen von dir, aus einer angebundenen MCP-Quelle oder aus companyRAG-Sammlungen.

Woher die Daten kommen

Quelle Was sie beiträgt
Git-Provider über MCP (z. B. GitHub, GitLab) Release-Branch, Changelog, gemergte PRs
Projekt-Tracker über MCP (z. B. Jira, Linear) Abgeschlossene Tickets; prüfen, ob alle geplanten Punkte gemergt sind
CI-System über MCP (z. B. GitHub Actions, GitLab CI) Status der CI-Checks auf dem Release-Branch
companyRAG / Datei-Upload Bestehende Runbooks, Infrastruktur-Dokumentation, SLA-Definitionen, frühere Post-mortems

Keine angebundene Quelle? Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.

Pre-Deployment-Checkliste

Arbeite jeden Abschnitt durch, bevor du das Deployment startest. Hake Punkte erst ab, wenn sie verifiziert sind — verlasse dich nicht auf Annahmen.

Code-Bereitschaft

  • Alle geplanten Änderungen sind in den Release-Branch gemergt
  • Keine offenen PRs blockieren das Release
  • Alle CI-Checks laufen auf dem Release-Branch durch (Tests, Linting, Type-Checks, Security-Scans)
  • Code-Review für alle Änderungen seit dem letzten Deployment ist abgeschlossen
  • Keine bekannten kritischen oder schwerwiegenden Bugs im Release

Datenbank und Daten

  • Datenbank-Migrationen sind gegen einen produktionsnahen Datensatz getestet
  • Migrationen sind abwärtskompatibel (alter Code läuft gegen das neue Schema)
  • Das Rollback der Migration wurde getestet (sofern die Migration reversibel ist)
  • Große Daten-Migrationen sind hinsichtlich Dauer und Lock-Auswirkung benchmarkt
  • Daten-Backups sind aktuell und nachweislich wiederherstellbar

Abhängigkeiten und Konfiguration

  • Neue Umgebungsvariablen sind in allen Zielumgebungen gesetzt
  • Neue Feature-Flags sind mit korrekten Standardzuständen konfiguriert
  • Drittanbieter-Service-Abhängigkeiten sind betriebsbereit (Statusseiten prüfen)
  • API-Versionskompatibilität mit Upstream- und Downstream-Services verifiziert
  • Neue Secrets sind im Secrets Manager bereitgestellt

Infrastruktur

  • Die Zielumgebung hat ausreichend Kapazität für das Release (Compute, Memory, Storage)
  • Auto-Scaling-Policies sind für erwartete Lastveränderungen konfiguriert
  • Health-Check-Endpunkte sind aktualisiert, falls sich die Health-Kriterien geändert haben
  • Load-Balancer-Routing-Regeln sind aktualisiert, falls neue Services oder Pfade eingeführt werden
  • SSL-Zertifikate sind gültig und laufen nicht in Kürze ab

Observability

  • Monitoring-Dashboards decken neue Features und geänderte Komponenten ab
  • Alerts sind für neue Fehlerfälle konfiguriert
  • Log-Level sind angemessen (kein Debug in Produktion)
  • Deployment-Marker oder -Annotationen sind für die Monitoring-Tools vorbereitet
  • Runbook-Links sind an neue Alerts angehängt

Kommunikation

  • Der Deployment-Zeitplan ist an die Stakeholder kommuniziert
  • Eine On-Call-Person ist benannt und während des Deployment-Fensters verfügbar
  • Für Nutzer sichtbare Änderungen sind für das Support-Team dokumentiert
  • Das Wartungsfenster ist kommuniziert (falls zutreffend)
  • Ein Statusseiten-Update ist vorbereitet (falls zutreffend)

Rollback-Plan

Jedes Deployment muss vor der Ausführung einen Rollback-Plan haben. "Roll forward" ist nur dann eine gültige Strategie, wenn sie bewusst gewählt wurde — nicht, weil ein Rollback nie geplant wurde.

Rollback-Plan-Vorlage

# Rollback-Plan: [Release-Version/Name]

## Entscheidungskriterien für Rollback
Starte ein Rollback, wenn EINE dieser Bedingungen erfüllt ist:
- [ ] Fehlerrate übersteigt [X]% (Baseline: [Y]%)
- [ ] p95-Latenz übersteigt [X]ms (Baseline: [Y]ms)
- [ ] Health-Check-Fehler auf [N]+ Instanzen
- [ ] Bestätigtes, von Kunden gemeldetes kritisches Problem
- [ ] Datenintegritätsproblem erkannt

## Rollback-Befugnis
- Primär: [Name/Rolle — wer das Rollback autorisieren darf]
- Backup: [Name/Rolle]

## Rollback-Ablauf
1. [Schritt-für-Schritt-Ablauf, spezifisch für deine Deployment-Methode]
2. [z. B. Kubernetes-Deployment auf vorherige Revision zurücksetzen]
3. [z. B. Datenbank-Migrations-Rollback-Skript ausführen]
4. [z. B. Feature-Flag auf vorherigen Zustand zurücksetzen]
5. [z. B. CDN/Cache leeren, falls statische Assets geändert wurden]

## Geschätzte Rollback-Dauer
- Anwendungs-Rollback: [X Minuten]
- Datenbank-Rollback: [X Minuten — oder "irreversibel, siehe Gegenmaßnahme"]
- Vollständige Wiederherstellung: [X Minuten]

## Irreversible Komponenten
[Liste alle Änderungen auf, die nicht zurückgerollt werden können — Daten-Migrationen, externe Benachrichtigungen, Drittanbieter-Provisioning — samt Gegenmaßnahme]

## Verifizierung nach dem Rollback
- [ ] Anwendungs-Health-Checks laufen durch
- [ ] Fehlerrate ist auf Baseline zurückgekehrt
- [ ] Für Nutzer sichtbare Funktionalität verifiziert
- [ ] Stakeholder über das Rollback informiert

Rollback-Strategie nach Änderungstyp

Änderungstyp Rollback-Ansatz Zu beachten
Nur Anwendungscode Vorherige Version erneut deployen Schnellstes Rollback. Prüfe, dass kein State geschrieben wurde, den die alte Version nicht lesen kann.
Code + additive Schema-Migration Vorherigen Code erneut deployen; neues Schema belassen Neue Spalten/Tabellen sind für alten Code harmlos, wenn Defaults gesetzt sind. Sauberer als das Migrations-Rollback.
Code + destruktive Schema-Migration Erfordert getestetes Migrations-Rollback-Skript Spalten-Umbenennungen, -Drops und Typänderungen sind gefährlich. Bevorzuge das Expand-Contract-Pattern.
Feature-Flag-Änderung Flag auf vorherigen Zustand zurückschalten Am schnellsten. Kein Deployment nötig. Prüfe die Propagationszeit des Flag-Zustands.
Infrastruktur-Änderung Terraform/Helm auf vorherigen Zustand zurücksetzen Längere Rollback-Dauer. Manche Infra-Änderungen (DNS, Zertifikat) haben Propagationsverzögerungen.
Daten-Migration/Backfill Aus Backup wiederherstellen oder Reverse-Migration ausführen Am langsamsten. Kann zu Datenverlust für nach der Migration erstellte Datensätze führen. Plane kompensierende Maßnahmen.

Strategien für schrittweise Rollouts

Wähle eine Rollout-Strategie basierend auf Risikostufe und Infrastruktur-Fähigkeiten.

Strategie-Auswahl

Risikostufe Empfohlene Strategie Begründung
Niedrig (Konfig-Änderung, Copy-Update, Feature mit wenig Traffic) Direktes Deployment mit Monitoring Schnell, geringer Overhead. 15–30 Minuten nach dem Deploy monitoren.
Mittel (neues Feature, API-Änderung, Dependency-Update) Canary-Deployment Zuerst an einen kleinen Prozentsatz ausspielen. Vor dem vollständigen Rollout validieren.
Hoch (Datenbank-Migration, Auth-Änderungen, Payment-Flow) Blue-Green mit Traffic-Shifting Vollständige Parallel-Umgebung. Sofortiges Rollback per Traffic-Switch.
Kritisch (Kern-Infrastruktur, Multi-Service-Änderung) Blue-Green + manuelle Verifizierungs-Gates Vollständige Parallel-Umgebung mit menschlichen Checkpoints in jeder Stufe.

Canary-Deployment

  1. Auf Canary-Instanzen deployen (typischerweise 5–10 % der Flotte)
  2. Einen kleinen Traffic-Anteil auf die Canary routen (Start bei 1–5 %)
  3. Canary vs. Baseline über eine definierte Bake-Time (mindestens 15 Minuten) monitoren: - Fehlerraten (Canary darf Baseline + Schwellenwert nicht übersteigen) - Latenz-Perzentile (p50, p95, p99) - Business-Metriken (Conversion-Rate, Transaktions-Erfolgsrate)
  4. Wenn die Canary gesund ist, den Traffic-Anteil stufenweise erhöhen (5 % → 25 % → 50 % → 100 %)
  5. Wenn die Canary Degradation zeigt, allen Traffic auf die Baseline zurückrouten und untersuchen

Blue-Green-Deployment

  1. Neue Version in die grüne (inaktive) Umgebung deployen
  2. Smoke-Tests gegen die grüne Umgebung ausführen
  3. Traffic von blau (aktuell) auf grün umleiten: - Option A: Sofortiger Switch (Load-Balancer-Regeländerung) - Option B: Gradueller Shift (gewichtetes Routing, 10 % → 50 % → 100 %)
  4. Die grüne Umgebung während der Bake-Time monitoren
  5. Wenn gesund, blau außer Betrieb nehmen oder als nächstes Deployment-Ziel behalten
  6. Wenn ungesund, Traffic auf blau zurückschalten (sofortiges Rollback)

Bake-Time-Anhaltspunkte

Systemmerkmal Minimale Bake-Time
Stateless-API mit konstantem Traffic 15–30 Minuten
Stateful-Service mit Sessions 1–2 Stunden (vollständiger Session-Lebenszyklus)
Batch-Processing-System 1 voller Batch-Zyklus
System mit täglichen Traffic-Mustern 24 Stunden (Peak und Off-Peak abdecken)
System mit wöchentlichen Mustern Erweitertes Monitoring über den ersten Wochenzyklus erwägen

Deployment-Runbook-Vorlage

Erstelle für komplexe oder risikoreiche Deployments ein Schritt-für-Schritt-Runbook:

# Deployment-Runbook: [Release-Version/Name]

## Vor dem Deployment (T-60 Min)
- [ ] Pre-Deployment-Checkliste als vollständig verifiziert
- [ ] Verfügbarkeit der On-Call-Person bestätigt
- [ ] Datenbank-Backup erstellt und verifiziert
- [ ] Stakeholder über Deployment-Start informiert
- [ ] Monitoring-Dashboards geöffnet

## Deployment-Ausführung
- [ ] Schritt 1: [konkrete Aktion mit erwartetem Ergebnis]
- [ ] Schritt 2: [konkrete Aktion mit erwartetem Ergebnis]
- [ ] Schritt 3: [konkrete Aktion mit erwartetem Ergebnis]
- [ ] Verifizieren: [Health-Check / Smoke-Test / Metrik-Check]

## Verifizierung nach dem Deployment (T+0 bis T+30 Min)
- [ ] Health-Checks laufen auf allen Instanzen durch
- [ ] Fehlerrate innerhalb des Schwellenwerts
- [ ] Latenz innerhalb des Schwellenwerts
- [ ] Wichtige Nutzer-Flows manuell verifiziert
- [ ] Keine unerwarteten Log-Einträge

## Monitoring nach dem Deployment (T+30 Min bis Ende der Bake-Time)
- [ ] Automatisiertes Monitoring bestätigt Stabilität
- [ ] Keine von Kunden gemeldeten Probleme
- [ ] Business-Metriken (falls zutreffend) im erwarteten Bereich

## Deployment abgeschlossen
- [ ] Deployment-Marker/-Annotation entfernen
- [ ] Statusseite aktualisieren (falls ein Wartungsfenster kommuniziert wurde)
- [ ] Stakeholder über erfolgreiches Deployment informieren
- [ ] Release Notes / Changelog aktualisieren

Leitplanken

  • Erfinde niemals Infrastruktur-Details. Nimm weder Cloud-Provider, Orchestrierungs-Plattform noch Deployment-Tooling an. Frage den Nutzer nach seinem Kontext.
  • Generiere niemals konkrete Monitoring-Schwellenwerte. Alert-Schwellen müssen aus den SLAs und Baseline-Metriken des Nutzers stammen — stelle die Vorlage zum Ausfüllen bereit.
  • Behaupte niemals, ein Rollback sei sicher, ohne die Änderung zu verstehen. Destruktive Migrationen, Daten-Backfills und externe Seiteneffekte können ein Rollback unmöglich machen. Bewerte die Irreversibilität immer explizit.
  • Versieh Ausgaben mit einer Quellenkennzeichnung: [Aus Nutzerkontext], [Deployment-Methodik] oder [KI-Empfehlung — verifizieren].

Tipp: Fordere über companyFILES eine Markdown- oder DOCX-Ausgabe an, um ein formatiertes, sofort teilbares Runbook zu erhalten.

04 同仓库更多 Skills

innFactory-AI
innFactory-AI/company-ai-stack-skills

sales-asset-skill

Produce tailored one-pagers, landing pages, case study drafts, and demo narratives personalised to a specific deal and buyer persona. Use when preparing collateral for a specific deal, building leave-behind materials, or customising standard assets for a prospect. Trigger with "create a one-pager for", "sales deck for [deal]", "customise this asset for".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

pipeline-review-skill

Analyse deal health, surface stale or at-risk opportunities, and produce a prioritised weekly action plan. Use when preparing for a pipeline review meeting, assessing forecast accuracy, or identifying stuck deals. Trigger with "review my pipeline", "pipeline health check", "deal risk analysis".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

outreach-skill

Research a prospect then draft personalised outreach with research-backed hooks, subject-line variants, and follow-up sequences. Use when cold-emailing a prospect, writing LinkedIn outreach, or building a multi-touch sequence. Trigger with "draft outreach to [person/company]", "write cold email to", "outreach sequence for".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

forecast-skill

Build a weighted revenue forecast with risk flags, commit recommendations, and gap-to-quota analysis. Use when preparing for a forecast call, evaluating end-of-quarter projections, or assessing pipeline coverage. Trigger with "build forecast", "forecast for this quarter", "where do I stand against quota".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

deal-strategy-skill

Map stakeholder power dynamics, surface deal risks, and recommend a step-by-step engagement strategy. Use when entering a complex deal, preparing for an executive sponsor meeting, or diagnosing a stuck opportunity. Trigger with "plan deal strategy for", "stakeholder map", "how do I advance this deal".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

call-summary-skill

Extract action items, key topics, and objections from call notes or transcripts and draft a customer-facing follow-up email. Use after a sales call, demo, or discovery session. Trigger with "summarise this call", "call notes from", "write follow-up for this meeting".

★ 0