刚进公司那会儿，运维同事老张每天一睁眼就盯着告警群，消息99+，咖啡续命三杯起步。哪台服务CPU飙高了、哪个接口超时了、数据库又连不上了……他总能第一时间冲上去‘灭火’。后来团队引入SRE理念，老张的工位旁多了一块白板，上面贴着‘本周故障复盘’‘MTTR下降目标’‘自动化覆盖率’——人没变，但做事的节奏和眼神，悄悄不一样了。
文化不是贴在墙上的口号
SRE文化建设，不是让所有人背《SRE手册》第3章，也不是搞一场‘拥抱可靠性’主题团建。它藏在日常选择里：当一个新功能上线前，开发说‘先上灰度，监控拉满，回滚脚本我写了’，这就是文化在生长；当一次线上抖动后，大家围在一起画因果图，没人急着甩锅，而是问‘我们的告警阈值是不是太粗了？’——这就是文化在扎根。
从小事开始种习惯
建议团队从三个‘小动作’启动：
- 每周15分钟‘可观测性快闪’：轮流分享一个监控图表怎么看、一个日志关键词怎么搜、一个Trace链路怎么追。不用PPT，就用Kibana或Grafana实时打开讲。
- 把‘错误预算’当真事算：比如约定月度可用性目标99.95%，那就公开当前消耗了多少。某次发版导致错误预算只剩8%，后续两周自动暂停非紧急发布——规则由团队共定，也由团队共守。
- 给‘自动化脚本’发‘电子奖状’：谁写了个一键清理僵尸进程的脚本，就在内部Wiki置顶，署名+一句话说明解决了什么痛。别小看这个，它在悄悄改变认知：‘写脚本能省下自己两小时，比加班补漏酷多了’。
警惕那些‘伪SRE’信号
如果发现这些苗头，得及时调头：
- 所有SLO都写在文档里，但从没人查实际数值；
- 故障复盘纪要写得漂亮，但同类型问题三个月内重复发生两次；
- 新人入职培训第一课是‘出事找谁’，而不是‘怎么查指标、怎么跑预案’。
这些不是流程漏洞，是文化土壤还没松动。
最后一点实在话
SRE文化不是把运维变成开发，也不是让开发去扛on-call。它是让写代码的人心里多一根‘稳定性弦’，也让盯屏幕的人手里多一把‘自动化铲子’。老张现在还是天天看监控，但他会笑着指给你看：‘这周我只处理了2次告警，另外17次，是那个Python脚本自己搞定的。’——你看，文化长成啥样，就藏在这种语气里。