Toil 不是所有运维工作。设计架构、改进自动化和处理新型事故可能很辛苦，但能产生长期价值；典型 Toil 则是手工、重复、可自动化且随服务规模线性增长。
用轻量方式记录
值班或工单完成后记录类别、耗时、频率、触发来源和是否可自动化。两到四周的数据通常足以发现主要模式，不必建立复杂工时系统。
任务：手工重放失败消息
频率：每周 12 次
单次耗时：15 分钟
风险：可能选择错误 offset
候选改进：带校验与审批的自助工具选择治理优先级
优先处理总耗时高、错误风险高、打断频繁且解决方案明确的工作。自动化收益应扣除建设和长期维护成本。
不要只做脚本
- 先删除没有业务价值的流程
- 能由产品修复根因时，不固化人工绕行
- 自助化必须包含权限、验证和审计
- 低频高风险操作可能更适合完善 Runbook
收尾清单
每月比较 Toil 占比、夜间打断和重复工单趋势。治理项目完成后确认任务频率真实下降，并删除旧手工入口，防止两套流程并存。