近九万次生产报错集中于十二个问题
16 个应用的 89,499 次报错被归并为 1,195 个问题,频次最高的 12 个占 78.7%,其中 6 个需要处理配置、基础设施或迁移。单个 Python 后端贡献了 62.9% 的报错,文章公开了用于复现统计的查询。
AI 深度解读
Bugsly 团队用自家的错误追踪器看了 16 个应用的生产数据。89,499 次错误里,排在前 12 的问题占了 78.7%。作者逐个看完,发现只需改代码的两项占总错误量的 19.4%,需要人动配置、基础设施或执行迁移的六项占 48.3%。
对前端和全栈开发者,这组数据最有用的地方是帮你决定先查什么。工单多可能是分组出了问题,堆栈足够写补丁也只是人工判断。把错误追踪器接进 Claude Code 之前,先弄清这两件事。
错误次数和工单数量会把你带向不同的地方
数据覆盖 2026-03-13 至 2026-11-17。团队自己的组织有 17 个项目,其中 16 个报过错,包括 11 个 Next.js、2 个 Node、2 个 Ruby 和 1 个 Python。89,499 次错误被归成 1,195 个问题,Bugsly 自己的 Python 后端 Watchdog 一项就贡献了 56,302 次,占 62.9%。Next.js 合计 24,223 次,占 27.1%,却分散在 955 个问题里。总量取自生产 Postgres 的问题计数器,其他组织的数据全部排除。
按发生次数排,第一项占 24.5%,前三项占 50.7%,前十项占 75.9%。另一头,465 项只出现过一次,占问题列表的 38.9%,却只占发生次数的 0.5%。按工单逐条翻,很容易把时间花在长尾上。按次数排更容易看见重复故障,但这份数据没给受影响用户数,单次报错的业务影响还得另外看。
作者用标题正则做粗分类。上游 HTTP 4xx/5xx 占 32.5%,类型错误、空值错误等代码缺陷占 21.4%,ClickHouse 限制占 15.6%。仅标题提到自家邮件 API 的 27 项就累计 23,725 次,占 26.5%,几乎都来自计费和通知任务收到的 403。数据没记录拒绝原因。Postgres 连接和连接池问题占 0.8%,Redis 占 0.2%。标题点名 OpenAI 的有 8 项、81 次,把 Gemini、Veo、TTS 等 AI 或媒体服务一起算进去,才是 55 项、5,474 次,占 6.1%。
React 的分组质量会直接影响排查顺序
同一类 React hydration 错误被拆成了 132 个问题,因为压缩后的报错消息带着会变化的参数。作者试着把标题里的数字归一化,再把标题截到 70 个字符,1,195 个问题就收拢成了 556 个标题簇。这个数字能说明标题有多分散。真要用它合并生产工单,还得抽查堆栈,看看相似标题是否指向同一段代码。
状态也会影响你读表。1,069 项被标记为已解决,59 项标记后又出现,占问题数的 4.9%,对应 13.6% 的发生次数。其余有 44 项被忽略,23 项未解决。系统只记录有人点过解决,是否已经发版,作者也不知道。
108 ms 衡量的是事件到达追踪器的时间
ClickHouse 的原始事件保留 90 天。作者从当时存储的 15,291 条事件中,取接收时间晚于事件时间且相差不超过一天的 15,190 条来算延迟。中位数是 108 ms,P90 是 17.2 s,P99 是 154.4 s。起点用的是客户端的时间戳,移动端离线排队和设备时钟偏差都可能拉长尾部。
这些项目配置了 32 条活跃邮件规则,新问题和回归各 16 条。数据没有记录告警邮件的投递时间,所以看完这组分位数,仍然无法知道值班的人多久能收到邮件。
AI 能读堆栈,修复还得看问题落在哪一层
作者根据标题和堆栈帧手工检查了前 12 项,共 70,418 次。第 2、5 项的堆栈足够写补丁,共 17,332 次。第 1、3、6、7、8、12 项涉及配置、基础设施或迁移,共 43,245 次。第 4、9、10、11 项共 9,841 次,占总量的 11.0%,其中能看到浏览器的 Failed to fetch 和没有堆栈帧的 Unknown Error,却缺少能继续定位的线索。
应用侧沿用原版 Sentry SDK,下面这段初始化代码把事件发送到 Bugsly。
Sentry.init({
dsn: "https://<public_key>@bugsly.dev/<project_id>",
});
改动就在 dsn 那一行,切生产流量前仍要验证团队依赖的 SDK 功能。
下面的命令用来把托管版 Bugsly MCP 接进 Claude Code。
claude mcp add --transport http bugsly https://bugsly.dev/api/mcp
这行使用 HTTP 传输,运行后还要完成 OAuth 授权。本地版用 claude mcp add bugsly -e BUGSLY_TOKEN=<token> -- npx -y @bugsly/mcp-server,以 token 接入。排查接口包括 list_issues、get_issue_events、search_errors 和 resolve_issue。托管版限制事件大小,并省略用户邮箱、IP 和用户名。作者给的提示词只让代理读最高频的未解决问题,在仓库里找出错行并提议修复,明确要求保持工单状态。
我的判断
我最认同先修分组再接代理。直接给现成的错误列表加一层 AI,React 的 132 个问题依然可能占掉排查队列。Next.js 团队可以先用稳定的错误特征做分组,再抽看调用栈,避免把标题清洗当成根因识别。
19.4% 适合看作这个样本里「有足够堆栈写补丁」的错误量。作者没有实际运行代理,也没有比较人工排查与代理排查的耗时或成功率,关于代理能带来多少收益,目前是经验判断。样本又高度集中在 Watchdog,作者团队也销售 Bugsly。对已经有错误追踪器的团队,先用现有面板和仓库走一遍同样的排查流程,就能判断 MCP 能省掉多少手工查找。
能拿来做什么
- 给 Next.js 错误列表同时保留发生次数和工单数两种视图,挑一类 hydration 报错抽查堆栈,再决定哪些可变参数应该从分组键里去掉。
- 遇到 Node 后台任务反复收到
403,先把失败的调用方、目标服务和可关联的请求 ID 放进排查记录,有了上下文再判断该查代码还是配置。 - 让 Claude Code 先处理一个高频未解决问题,交付出错位置、依据和补丁建议。涉及配置或迁移时,请它说明需要人工核对的状态,并保持工单状态。