手机远程值守多机 AI 团队的故障实录
作者通过手机和共享看板协调多台机器上的 AI,推进内部系统测试、派工与问题处理。总管机因系统更新离线后,其他机器完成诊断、临时接管和恢复交接,敏感操作仍保留人工审批。
AI 深度解读
去日本旅行五天,只靠手机让 AI 工作群继续推进项目,听起来像一篇效率展示。作者留下的却是一份故障记录:总管机器被 Windows Update 重启,AI 宣称合并成功却没有合入代码,性能修复也差点无效上线。
这份记录的价值,在于展示了这些错误怎样被其他角色发现,以及哪些操作必须停下来等人批准。作者的核心判断是:让 AI 持续工作,靠的是授权边界、独立检查和故障接管,模型能力只是其中一环。
手机能指挥项目,靠的是提前分好职责
作者的公司内部系统正在测试验收,使用单位提交「问题单」,AI 再拆成内部「工单」。
整个工作群有明确分工:NUC 担任总管,负责协调、审查、合并、部署测试环境和回复问题单;主力机把开发任务分给 Codex、GLM、Gemini,再整合并跑测试;Mac 实测机负责真实环境验证,以只读操作为主。
机器之间通过共用看板交接,每则消息包含编号、收件人和回复对象;另一份决策记录保存作者的原话与日期。作者不必充当人工消息转发器。
但这不是临出门装几个工具就能复现的。作者说,旅行期间反复引用的守则,大多在几周前已经积累下来,包括哪些事情可以直接做、哪些必须询问,以及被纠正后应该记住什么。
手机只是审批入口,真正支撑运转的是出发前建立的工作规则。
总管失联后,备援接管也不能放宽权限
11/12,作者在关西机场的 Haruka 特急上,用手机 Claude app 接入工作群。第二天,总管出了故障。
Windows Update 在 02:34 自动重启 NUC,最后一个 session 停在 02:29。AI 运行在 WSL 中,机器重启后没有恢复会话。直到 08:47,ThinkPad 才在看板报告故障,此时总管已经失联六个多小时。
作者授权 ThinkPad 暂代。09:16,它宣布接管,两分钟后便完成一张新问题单的拆分和派发。作者随后通过手机远程桌面启动 WSL,再请能连接总管机的主力机恢复服务。09:24,总管回归,ThinkPad 提交交接记录,从宣布暂代到交还不到十分钟。
这次恢复仍需要人介入,不能算全自动故障切换。事后,作者才补上固定规则:总管超过 60 分钟没有动静,由 ThinkPad 接手;ThinkPad 也停摆时,再由实测机备援。
接管的是职责,权限边界保持原样。技术取舍、合并和测试环境部署可以自主完成;测试或正式环境的数据写入、正式部署、资安与权限、对外联络,以及需要本人登录的账号,都必须等作者决定。
判断有没有完成,要看能否重新验证
五天里最有参考价值的,是几次「看起来完成了」被推翻的过程。
一次,总管报告分支已合入 main,主力机检查远端却发现代码不存在。原因是先 fetch 分支,再执行 git pull,后者覆盖了 FETCH_HEAD,导致 merge 成了没有实际改动的 no-op,而且没有报错。最后改用明确分支名重新合并。
另一次,性能修复方案被实测机叫停。只读实测耗时仍为 121~126 秒,换一种写法后才降到 18 秒。作者没有给出具体代码和完整测试条件,因此这组数字能说明该案例需要实测,不能直接推广成某种通用优化结论。
检查流程本身也会错。有个验证方案把基准快照放在触发操作之后,数据可能早已改变,前后对比却看不出来。总管发现了这个顺序漏洞。
他们团队据此设置了几道关口:
- 每张工单尽量在十五分钟内完成,超时就拆分。
- 编写者不审自己的改动,Codex 与 GLM、Gemini 交叉审查。
- 工单经过自审、其他模型审查和自动化放行检查,部署前做就绪检查,部署后跑冒烟测试。
- 修 bug 的测试必须在撤掉修复后变红,审查者还要自己重跑,曾发现报告写了 27 个测试,实际只有 26 个。
还有一次,作者批准修改两笔测试数据,实测机读完代码后发现方案无效。它提出替代方案,却没有顺手执行,因为那已经属于另一种写入。
知道下一步怎么做,不等于已经获得下一步的授权。
我的判断
这套做法最值得借鉴的是:把 AI 的完成声明当成待核验的报告。查远端代码、重新跑测试、核对授权范围,都是普通软件工程纪律,放进 AI 工作流后依然有效。
但原文提供的是五天的运行记录,没有与单模型或人工流程比较成本、漏检率和交付速度。作者认为自己的独立审查层数比 Google DeepMind 公开说明中的更多,这也是基于有限公开材料的判断,不能据此证明验证效果更强。不同模型同样可能漏掉同一个问题。
运行成本也没消失:并行任务可能十几分钟就耗完一个额度窗口,session 会挂,唯一的实测机仍是单点。五天产生两百多则贴文,也不等于完成了同等数量的有效工作。
尤其不能把原文理解为「五天修了 65 张问题单」。作者明确说明,不少修复在出发前已经上线,结案由使用单位验收。这五天的贡献,是持续准备待验内容并处理后续事项。
能拿来做什么
- 给日常 AI 编程任务写清授权范围,分别规定代码修改、测试环境部署、数据写入和正式发布由谁决定,替代方案超出原批准范围时重新确认。
- 修复前端或 Node 项目的 bug 时,要求提供可复现步骤,并验证撤掉修复后测试确实失败,让测试证明问题被解决。
- 把开发和检查交给不同角色,审查者自行拉取代码、重跑关键测试,合并后再核对远端结果。
- 长时间运行 AI 任务前,补齐重启恢复、失联检测和交接记录;准备备援时,同时确认实测环境是否仍有单点。