基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
编程提效2026-11-17 17:33

六次线上排障揭示 AI 首诊误区

dev.to · AI#AI编程#线上排障#验证
Editor brief · 编辑速览

作者记录了四天内 AI 编程 Agent 对线上站点和 API 作出的六次错误初诊,涉及限额计算、目录层级和解析行为等。每个案例按假设、检查、证据与修复展开,错误均由日志、解析器或测量结果揭穿。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

AI 编程 Agent 排查线上故障时,最容易让人放松警惕的,往往是一个听起来很合理的解释。作者在 4 天的真实站点和应用 API 运维中,记录了 6 次「首次诊断很自信,但结论错了」的案例:数据库限额、PHP 路径、爬虫规则、移动端排版,连清理图片都踩了坑。

这些错误最后都靠日志、解析器或实际测量被推翻。对使用 AI 改代码的程序员来说,更有用的问题是:它说「修好了」,你准备拿什么验收?

合理的解释,为什么会被几条日志推翻

第一次误判发生在共享主机上。cron 任务报出 MySQL error 1226,限制项是 max_connections_per_hour,额度为 500。Agent 判断:应用 API、定时任务和旧页面共用数据库用户,API 流量耗尽了每小时连接预算,导致 cron 失败。

这个解释顺得让作者直接写进了文章。

随后,他们在公共数据库连接函数里加了一行日志,只记录时间、来源和客户端类别。结果,应用 API 在两个晚间小时里分别建立了 1,557 和 1,503 次连接,全部成功。假如所有请求真的共享 500 次额度,这组数据就不该出现。

差别藏在连接路径里:API 使用 localhost,失败的 cron 使用数据库服务器的远程主机名,外部爬虫也走后者。MySQL 账户按 user@host 区分;作者据此确认,受限的是远程连接对应的账户路径。cron 改成优先尝试本地连接,文章也在当晚更正。

另一次,Agent 给 10 个旧 PHP 文件接入日志,用了 @include_once(dirname(__FILE__, 5) . '/<private>/connlog.php'),还注释「向上 5 层就是 home」。

页面照常打开,响应字节也与部署前一致。但当天新增的 22 条日志全部来自 API,旧页面一条没有。

下面这段 PHP 8.5 复现,解释了为什么路径少算了一层:

<?php
// 共享主机 Web 根目录中的文件,路径使用占位名称
$file = '/home/user/domains/example.com/www/app/lib/db.php';
foreach ([1, 5, 6] as $n) {
    printf("dirname(\$file, %d) = %s\n", $n, dirname($file, $n));
}
// 文件不存在时,@include_once 不会显示错误
$r = @include_once dirname($file, 5) . '/private/log.php';
var_dump($r);

要看的是 dirname($file, 5):结果是 /home/user/domains,到 /home/user 需要 6 层。dirname() 从文件开始计数,第 1 层就是文件所在目录。@ 又隐藏了加载失败,最终返回 false。

10 个文件全部改为 dirname(__FILE__, 6) 后,日志里出现了 2 条旧页面记录,页面响应仍保持一致。

「没有报错」只能说明错误没露出来,不能证明目标代码执行过。

配置是否正确,要看谁在解释它

作者给 robots.txt 添加限制时,采用了很自然的顺序:先写 Allow: /,再用 Disallow: /api/ 和 Disallow: /legacy-app/ 列出例外。

问题在于,解析器未必按人的阅读习惯处理。

部署前,他们用 Python 标准库 urllib.robotparser 检查规则。在 Python 3.9 的复现里,RobotFileParser 采用首次匹配:Allow: / 已经匹配所有路径,后面的禁止规则不起作用。/api/v1/list 和 /legacy-app/page.php 因而都被放行。

Google 文档描述的是最长匹配,Googlebot 对这些路径会得出不同结果。修复办法是把 Disallow 放到 Allow: / 前面,让这组规则在两种解析方式下得到一致答案,再部署并抓取线上文件确认顺序。

但另一项测试又出了问题:他们的 .htaccess 规则用于拦截旧页面上的激进爬虫,测试却发现,带 Googlebot User-Agent 的请求返回了 403,预期是 200。

Agent 最初怀疑新规则拦多了。不过,它先把相同请求发向规则不覆盖的博客首页和文章,结果仍是 403,Bingbot 字符串也一样。

原因在主机 CDN:请求自称 Googlebot 或 Bingbot,却不来自相应网络,会被全站拒绝。应用规则没有问题,因此保留。外部伪装 Googlebot 的测试被移除,并留下原因说明;作者改用 Search Console 的 URL inspection 检查真实 Googlebot 请求。

这两次排查指向同一个问题:你观察到的结果,可能由解析器、CDN 或应用中的任意一层决定。先找出哪一层作出了判断,再决定改哪里。

检查通过,为什么手机上的图仍然坏了

作者的插图由 YAML 生成 SVG,并提供手机端自动纵向布局。桌面显示正常,宽度检查也是 0 warnings,但把纵向版本渲染成 PNG 后,多个 Agent 分别发现:横向箭头上的「yes」「no」和短条件文字压到了方框边缘。

宽度检查没有失效,它只是没检查这种问题。图形整体没有超宽,内部元素却发生了重叠。

修复只改了一行:列间距从 28 px 增加到 54 px。团队重新检查了当时的全部 41 张图,得到 0 errors、0 warnings,主会话又用无头浏览器,在 358 px 宽度下截图确认了其中两张。

日文 OG 卡片也有类似经历。最初的换行器会把「本番」拆在两个汉字之间,已有检查全部通过,直到有人看了渲染结果。

对前端来说,这个案例很直接:尺寸合法,不等于排版可读;文本能输出,也不等于断行合理。涉及实际视觉效果时,截图应当成为验收材料,而且要覆盖用户真正使用的宽度和会产生不同换行结果的语言。

「全部处理完了」必须有数量对账

最后一个问题,是作者写文章复盘时才发现的。

他们修订了 54 篇旧文章,列出 75 张不再被引用的图片,用 shell 循环搬到本地备份,再通过部署清理服务器。之后重新扫描,结果却是:29 个文件,28 个仍被引用,1 个未被引用。

漏掉的文件就在清单最后一行。清单有 75 个条目,但末尾没有换行符,普通 while read 循环没有处理最后一项。当天日志其实已经留下证据:列出 unused: 75,dry run 却显示 prune would delete: 74,只是没人比较。

原文用这段 zsh 复现展示两种循环的区别:

printf '/img/a.png\n/img/b.png\n/img/c.jpg' > list.txt
echo "lines by wc -l: $(wc -l < list.txt)   entries by grep -c: $(grep -c . list.txt)"
echo "-- while read"; while read u; do echo "move $u"; done < list.txt
echo "-- while read || [ -n ]"; while read -r u || [ -n "$u" ]; do echo "move $u"; done < list.txt

关键是 while read -r u || [ -n "$u" ]:即使最后一次读取没有遇到换行符,只要变量里还有内容,就继续处理。这个例子里,wc -l 得到 2,grep -c . 得到 3,普通循环只处理两项,修正版处理三项。

漏掉的是一张第三方产品照片,文章已经不用它,旧 URL 却仍然在线。作者在发布这篇文章的同次部署中将其移除。

批处理完成的依据,应当是列出数、处理数和删除数一致。

我的判断

这篇最有价值的地方,是把「解释是否可信」变成了「什么证据能推翻解释」。数据库案例尤其典型:再详细的推理,也抵不过一组与假设矛盾的连接数。

不过,这是一组单团队、4 天内的案例记录。作者没有提供加入这些检查前后的故障率、耗时或成本对照,所以「检查很便宜」「可靠性来自检查」仍是经验判断,不能据此推导所有团队的收益。

部分做法也有边界。user@host 的结论依赖作者实际账户和连接配置;用另一种解析器测试,能暴露兼容性问题,却不能保证覆盖所有爬虫;robots.txt 更不能代替访问控制。358 px 截图确认了两张图的表现,也不等于所有尺寸都经过视觉验收。

与继续让模型解释、反复审查同一段代码相比,这套方法补上了运行结果的证据。它并不排斥代码审查和测试,而是要求验收方式对准具体主张。

能拿来做什么

  • 让 Agent 排查 API 或数据库问题时,先提交可证伪的假设,并说明哪条日志、哪个计数会让它放弃这个判断,再据此修改代码。
  • 给容错加载、可选日志等静默失败逻辑增加正向验收,部署后检查预期日志、响应头或数据记录是否真正出现。
  • 修改代理、爬虫或重写规则时,加入一组规则覆盖范围外的请求作为对照,帮助区分应用、服务器和 CDN 的行为。
  • 验收前端图表时附上实际宽度截图;验收 Node 或 shell 批处理时附上输入、成功、失败和剩余数量,让「完成」有可核对的依据。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
按任务结果核算 Agent 的真实成本
下一篇
两次 Agent 实测:澄清回答影响交付质量

资讯速览

dev.to · AI · 2026-11-17 17:33

AI 评分 8.0 / 10

相关标签

#AI编程#线上排障#验证

继续阅读

  • 让编程 Agent 在本地完成视频剪辑
  • 按任务结果核算 Agent 的真实成本
  • 两次 Agent 实测:澄清回答影响交付质量
  • 隔离共享状态,避免多个编程 Agent 串扰
  • Liquid AI 新模型直接输出决策概率