原创 Sheila 2026-08-06 17:00 上海
让研发从“救火”回到“建设”
导读:每天被拉群、被私聊、被问同样的问题——携程机票前端团队的oncall曾一度占据研发大量精力。过去6个月1000+条事件统计显示,近一半是“接口参数确认”“业务逻辑解释”这类高重复问题。团队用一套“飞书多维表格+知识问答+机器人”的组合方案,把重复劳动从40%打到15%,单次处理时长从100+分钟压缩至40分钟。怎么做到的?本文拆解完整落地路径。
一、背景介绍
1.1 提效场景介绍
1.2 痛点分析
1.3 提效目标
二、解决方案
2.1 使用的飞书工具和方案亮点
2.2 提效的实现路径和步骤
三、业务价值
3.1 提效情况和前后对比
3.2 应用成果分享
3.3 后续规划
本文分享的 oncall 体系由携程机票前端团队搭建并落地实践,聚焦机票业务场景下的研发 oncall 痛点,以前端视角切入,打造知识驱动型研发支持体系。
一、背景介绍
1.1 提效场景介绍
在业务高速增长、系统复杂度不断提升的背景下,携程机票前端研发团队的 oncall 已从偶发支持演变为高频、刚性的日常工作。大量精力被消耗在排障、业务逻辑解释、接口参数确认等事务性工作上,持续挤压了团队在架构优化和产品创新上的投入。
传统 oncall 依赖零散的 IM 私聊、电话、邮件等非结构化渠道,缺乏统一入口和可追溯记录;问题处理状态不透明,责任边界模糊;解决方案沉淀严重不足,同类问题反复出现、重复解答,既影响研发体验,也拉低整体研发效能。在此背景下,机票前端团队开始系统性思考:如何通过"知识库 + 流程"重构研发 oncall 体系——这正是本文希望回答的核心问题。
1.2 痛点分析
1.2.1 Oncall 定义与范畴
研发 oncall 是研发团队在约定时段内处理与业务系统相关的突发技术事件或高优先级咨询的机制。典型场景包括:
TS 排障与工单升级
产品逻辑与业务规则问询
接口字段、参数、返回值确认
特定活动/版本的配置与风控规则解释
参与角色横跨 TS、产品、运营、研发、运维等多个职能,是连接业务与技术的“最后一道防线”。
1.2.2 Oncall 来源与占比
基于携程机票前端团队对过去 6 个月、1,000+ 条研发 oncall 事件的脱敏统计,我们得到以下结构性结论:
按发起方
技术支持:约 1/3
产品经理:约 1/4
运营:约 1/5
测试 & 研发/运维:其余约 1/5
说明 oncall 已成为多角色、多团队的交汇点,问题来源分散。
按问题类型
业务逻辑咨询:约 26%,重复率 ~64%
接口参数/字段确认:约 21%,重复率 ~70%
系统异常排查:约 17%,重复率相对较低(~28%)
前两类“解释型”问题合计接近一半,且高重复、高可标准化。
按处理结果
仅为简单确认/解释:约 43%
小修改/配置调整即可解决:约 29%
说明相当比例的 oncall 并非“技术难题”,而是信息获取与知识暴露问题。
以“接口参数确认类问题”为例:单次平均处理耗时约 0.4 小时,同一问题在 6 个月内重复出现 20+ 次,累计浪费数十小时研发人力;同时还伴随上下游沟通协调成本。
1.2.3 问题分析:来源杂乱、状态不清、无知识沉淀
结合定性访谈与数据分析,机票前端团队识别出当前研发 oncall 面临至少三类系统性问题:
来源杂乱,缺乏统一登记
问题入口分散在飞书私聊、群聊、电话、邮件等多个渠道
事件往往缺乏“工单化”记录,无法准确统计 oncall 真实负载
值班人员接收信息零散,排期难以掌控,容易“漏接”与“重复接”
处理状态不透明,协作效率低
提交方难以获知当前处理进度与负责人
相同问题在不同渠道多次被提起,进一步放大负载
事件优先级与升级规则不清晰,紧急任务易被信息噪音淹没
缺乏知识沉淀,重复劳动严重
解决方案散落在聊天记录、个人笔记和过往经验中
缺少结构化的知识条目与统一检索入口
新人或外部团队很难快速自助获取答案,只能继续“问人”
结论:当前模式本质上是“事件驱动 + 人肉协作”的即时通信体系,缺少标准化 SOP 和知识闭环,导致 oncall 事件“越处理越多”,形成恶性循环。
1.3 提效目标
核心问题:减轻 oncall 工作量,而不是取消 oncall。
oncall 本质上是保障业务连续性和用户体验的必要机制,无法也不应被简单取消。需要解决的,不是“要不要 oncall”,而是“哪些 oncall 必须由人来做、哪些可以交给系统”和“在人必须介入时,如何把每次的处理成本打到最低”:
将尽可能多的高频、标准化问题,从“必须人工处理”转变为“优先由系统自动解决”;
在必须人工介入的场景下,通过流程与工具优化,显著降低单次处理成本。
因此,携程机票前端团队将本项目目标定为:在不牺牲业务稳定性的前提下,系统性减少 30%~50% 的 oncall 事件量与人力投入,使研发从"被动救火"回到"主动建设",具体体现在:
统一入口与流程,形成可统计、可追踪的工单体系;
知识优先匹配,能自动解决的尽量自动解决;
强制知识沉淀,形成“越用越聪明”的正向循环。
二、解决方案
2.1 使用的飞书工具和方案亮点
围绕上述痛点,携程机票前端团队提出“知识驱动型研发 oncall 体系”,核心理念是:
让“知识”和“流程”成为 oncall 的第一责任人,让“人”更多处理边界与例外。
具体目标包括:
统一入口与流程:所有 oncall 通过标准化提需入口进入多维表格工作台,形成可统计、可追踪、可分派的工单。
知识优先匹配:每个新 oncall 先自动匹配知识库与历史记录,能自动解决的尽量自动解决。
标准化 SOP 流程:从提需、分派、处理到闭环确认,每一步都有明确责任人与状态。
强制知识沉淀:每一个完成的 oncall 事件,都对应一条结构化的知识资产,形成“越用越聪明”的正向循环。
基于飞书生态,我们构建了一套“多维表格 oncall 工作台 + 知识问答 + 机器人 + 话题群”的组合方案,在不引入新系统的前提下完成改造。
2.1.1 Oncall SOP:从提需到闭环的标准流程
流程概览 -标准化 SOP 被抽象为四个阶段:
1)提需:
统一从飞书“提需入口”提交 oncall 需求(应用 / 消息卡片 / 多维表格表单)
强制填写关键信息:业务线、问题类型、优先级、影响范围、相关链接等
2)智能分派:
按业务线、模块与问题类型自动路由到对应值班组
支持按轮值规则与负载情况自动指定责任人
3)机器人 oncall(知识优先):
机器人自动拉起话题群,抓取提问内容与结构化字段
调用飞书知识问答与历史 oncall 记录,返回候选解决方案
对高匹配度问题(如接口参数说明),可直接给出答案并请求发起人确认
4)人工 oncall 与闭环沉淀:
对复杂或低匹配问题,由值班研发接手处理
处理完成后,在工作台一键闭环,并自动触发知识条目创建与补充流程
关键机制
自动提醒与升级:
提交后超 2 小时未响应,自动提醒责任人
超 24 小时未解决,自动升级给负责人或 higher-level 值班
状态全程可见:
提交方与处理方在同一 oncall 话题群与工作台视图中共享状态
支持按业务线 / 人员 / 状态维度实时统计与追踪
2.1.2 方案设计:飞书生态下的知识驱动 oncall 体系
核心组件 - 围绕 SOP,我们在飞书上搭建了四大组件:
1)多维表格 oncall 工作台
作为 oncall 的中枢系统,承载问题登记、分派、状态流转、统计分析
通过约 10~15 个结构化字段保证信息完整性(业务线、模块、类型、优先级、影响范围、处理人、SLA 等)
2)飞书知识问答与知识库
承载业务规则、接口文档、故障排查手册等结构化知识
通过关键词 + 语义检索,为 oncall 自动给出候选答案
支持按“业务线 / 模块 / 标签”组织知识,便于维护
3)智能 oncall 机器人
负责在话题群中自动响应、拉取上下文、调用知识问答
在工单创建、分派、处理、升级、关闭各节点自动发消息同步状态
将话题群中的关键信息回写到多维表格与知识库
4)按业务线划分的 oncall 话题群
将问题讨论集中在线程化话题中,避免信息被沉没在大群
配合机器人和知识库,形成“边沟通边沉淀”的工作方式
与飞书生态的集成方式 - 整个方案基于飞书现有能力实现,无需自研复杂平台:
多维表格作为“数据中台”
知识库 + 知识问答作为“知识中台”
机器人作为“流程中台”与“交互入口”
话题群作为“协作中台”
这种“基于平台、融入平台”的策略,使 oncall 流程自然嵌入团队日常协作,降低学习成本与推广阻力。
2.1.3 知识沉淀机制:让每次 oncall 都变成资产
在本方案中,“知识沉淀”不再是可选项,而是 oncall 流程的必经步骤。
知识运营与质量保障
为避免“建而不用”或“越用越乱”,我们配套设计了简易但有效的知识运营机制:
条目责任人制:每条知识明确业务 / 技术负责人
双人审核机制:关键条目需要业务和技术双重确认
有效期与复审:超期条目自动标记“待复核”
使用反馈与权重:基于点击量、解决率和用户反馈定期优化条目
2.2 提效的实现路径和步骤
机票前端团队的方案落地主要围绕几个关键节点展开:业务知识库初始化、oncall 流程编排、多维表格 / 工单应用配置、机器人与知识沉淀机制。以下步骤可结合实际配置截图按序实现。
2.2.1 前置条件:业务知识库初始化(飞书知识问答 + 飞书 aily 机器人)
1)基于飞书知识库梳理首批业务与排障知识
基于飞书知识库梳理并录入首批业务知识与排障知识,按业务线 / 模块建立目录与标签。首先需要一个初始版本的知识库来进行问答查询,建立规则可参考:
知识库空间创建:
打开飞书aily开发者后台,创建一个知识空间,配置参考如下:
直接选择父节点的文档即可导入所有内容,文档内有更新会在30分钟内进行自动同步。确保了我们可以一次选用知识库后,后续可以无需改动即可连接到新知识。
2)使用飞书 aily 创建问答助手,绑定知识库实现语义检索
使用飞书 aily 创建一个问答助手,并将其与知识问答能力绑定,使其能够基于企业知识库进行语义检索与在线对话问答。
打开飞书aily开发者后台,创建一个工作流,默认工作流修改如下,关联第一步的知识库空间即可:
3)发布该工作流,完成该步骤后,将产出一个可在群聊 / 私聊中直接 @ 的 aily 问答助手,作为后续 oncall 机器人的基础能力。
2.2.2 Step 1:搭建 oncall 工作台
整体链路为:飞书机器人接收 oncall 提问 → 写入多维表格 / 工单底表 → 处理结束后触发知识库沉淀。
你可以直接复制本文对应的工单模版,快速搭建一套属于自己的 oncall 应用;如果场景相对简单,也可以只使用飞书新版多维表格完成底表搭建与自动化配置。
选择一:简单场景(多维表格 + 自动化)
适合 oncall 逻辑相对简单、参与角色较少的团队:
搭建一个新版多维表格作为 oncall 底表:包含基础字段(问题描述、业务线、优先级、处理人、状态、结束时间等)。
使用多维表格「自动化」能力,在“新增记录”“状态变更”等节点触发机器人通知和知识沉淀动作。
通过视图和筛选即可完成简单的统计与复盘。
选择二:复杂场景(工单应用 + 多维表格)
适合 oncall 流程复杂、需要长期复盘与精细化运营的团队:
复制本文示例的 oncall 工单应用模版,即可快速搭建一套完整的 oncall 工单系统。
相比直接使用多维表格,工单应用提供更友好的操作界面、响应时长等关键指标的可视化能力,更适合做长期趋势分析与复盘。
自动化规则仍然配置在底层多维表格中,可参考“选择一”的自动化方案进行配置。
2.2.3 Step 2:配置 oncall 机器人与智能分派
在 oncall 话题群中,研发 / TS / 产品等同学通过 @ oncall 机器人发起问题。
机器人根据预设规则(如业务线、模块、问题类型)结合“熟悉业务范围 + 过往 oncall 处理总数”等指标进行智能分派,将工单指派给合适的值班同学。
在分派和处理过程中,机器人优先调用前置配置好的 aily 问答助手和知识库,为发起人返回候选解决方案;若命中度不足,再引导转人工处理。
2.2.4 Step 3:构建知识驱动循环
每个 SP(服务周期 / 值班周期)结束后,由对应 oncall 同学对本周期高价值问题进行知识总结,补充到业务知识库和排障知识库中。
在此步骤直接使用“飞书知识问答”进行群聊上下文总结。
实践中,可以在工单应用或多维表格视图中增加一个“沉淀知识”按钮:点击后自动拉起指定群聊 / 话题,@ 相关处理人,并附带本次 oncall 的关键信息,引导完成结构化总结。
通过自动化将“沉淀知识”按钮与知识条目创建流程打通,实现:点击按钮 → 拉群讨论补充 → 一键提交为知识条目 → 进入飞书知识问答索引。
随着每个 SP 的结束,知识库不断扩充,形成“问题处理 → 知识沉淀 → 下次优先由知识解决”的良性循环。
三、业务价值
3.1 提效情况和前后对比
携程机票前端团队在完成体系改造后,关键指标对比如下:
响应速度:平均响应时间从约 120 分钟缩短至 40 分钟左右。
重复劳动:重复问题占比从约 40% 降至 15% 左右。
处理效率:单次 oncall 处理时长从 100+ 分钟压缩至 40 分钟左右。
知识资产:知识沉淀率从不足 10% 提升至接近 80%。
3.2 应用成果分享
3.2.1 研发体验与业务满意度
研发人员 oncall 相关满意度显著提升,主观“被打断感”明显下降
业务方对 oncall 响应及时性与方案清晰度均有满意度上升
跨部门协作成本下降,产品需求与技术实现的一致性显著提升
3.2.2 知识资产与可持续价值
知识库条目数与使用频次呈稳健增长,高频场景覆盖率接近全部高发问题
接口确认与业务逻辑类问题的自动解决率达到 60%~75%
新人培训与交接周期缩短,oncall 相关“问人”场景明显减少
方案可平移到运维 oncall、客服支持、合规咨询等其他知识密集型场景
3.3 后续规划
持续运营:将“知识贡献”纳入日常任务,建立双人审核与定期复审机制,保障知识质量。
场景扩展:将该模式复制到运维 oncall、客服支持、合规咨询等其他知识密集型场景。
前置主动:打通发布流程与监控告警,让 oncall 更加前置与主动,进一步降低“救火”需求。
【推荐阅读】

“携程技术”公众号
分享,交流,成长
“携程技术”公众号
分享,交流,成长