线上故障了，谁管？多久响应？多数团队没有标准。工单治理不是多一套工具，是多一条底线。线上故障怎么变成"薛定谔的Bug"？凌晨两点，系统挂了。用户群里炸了。运维看到了，不知道找谁。研发在睡觉。产品被客户电话打醒，在群里@了一堆人。40分钟后，终于有人开始看。但没人知道这个故障是谁负责的、什么时候能修好、要不要发公告。这是我见过最典型的线上故障处理现场——靠谁先看见、谁嗓门大来驱动。解决方式不是招更多的人值班，是建一条工单生命线。五个节点，跑完才算闭环GCR体系里，一条工单的生命周期是五个节点：待接单 → 待处理 → 处理中 → 已解决 → 关闭每个节点的含义：待接单：工单创建，等待分配负责人。这一步别超过30分钟。待处理：负责人确认接收，分析问题。这一步的关键是"有人认了"。处理中：正在修复或协调资源。进度在所有相关方可见。已解决：问题修复完毕，提交验证。验证通过，进入关闭。关闭：验证确认，正式闭环。看起来跟缺陷管理差不多？对，逻辑是一样的。但工单治的是服务响应，缺陷治的是代码质量。两条线不交叉。响应和关闭，两条硬线工单治理有两条红线，踩了就是事故：/