案例复盘

有外部对象、真实约束与可脱敏数字的一手交付过程。

1. 01

   从三方冲突到四方对齐：一个运营商项目的判据定义过程在写

   一个真实的运营商项目里，四方诉求互相拉扯：业务要低时延、技术要吞吐、财务要低成本、用户只关心问题有没有被解决。复盘我如何把四方诉求收成一张验收表、如何在没有管理权的情况下推动对齐，以及最后四条判据分别怎么落地。

   2026-10-15

自己系统上的事故、审计与整改：真实失败、代价与留痕。

1. 01

   团队里管插件，先管退出：准入、失败、退出是一张表

   团队里第 3 个人装了一个插件，第 1 个人的会话行为跟着变了，却没人说得清是谁加的。团队治理的杠杆不在审批，而在退出路径：准入、失败、退出是三张表，衡量的是同一件事——每一行有没有一个能执行的回滚动作。

   2026-10-18

2. 02

   把发布做成产线：四条包、七条 PR、零合并，和一条被漏看两小时的安全审查

   我用一天把四个自研包推成了公开仓库与七条收录 PR，结果是零合并。真正留下来的不是这七个链接，是中间那条产线：它把「合格」写成了能跑的判据，也暴露出一个盲区——监测器只盯 PR 状态、不盯评论，维护者的安全审查意见因此躺了两小时。这篇写产线怎么搭、闸门能证明什么、又在哪一刻彻底失效。

   2026-10-18

3. 03

   改完提示词，凭什么知道没变差：五道可测闸门，和一次先坏掉的判据

   我给这台 agent 的改动加过很多能力，却只有一个六道合成题的行为闸门。真正的问题在落地五件测量工具那天暴露：重放闸门把四道真实任务里的两道判成回归，查下去发现坏的是判据，不是系统。这篇写这五件工具各自回答什么问题、什么时候触发、以及每件证明不了什么。

   2026-10-18

4. 04

   评估完 Hy-Memory 2.0，我们决定先修自己的记忆栈

   腾讯开源的 Hy-Memory 2.0 提供了完整的记忆分层与写入模型。评估后我们没有换栈：12 条真实查询的体检显示，覆盖率 8/12，向量召回 2/8，全文检索 7/8，瓶颈在检索通道与写入边界。

   2026-10-17

5. 05

   把 Agent 的每次调用砍掉 95%：一次从字节开始的成本审计，与六个被实测否决的方案

   一次普通对话花掉 4900 万 token，根因不是模型，而是每次调用都要重发一遍的 25 万 token 固定前缀。我用会话日志里的原始字节把它压到 11,476 token/次（−95.4%），随后发现更大的持续浪费是打断前缀缓存（实测多付约 350 万 token 当量）与闲置的免费算力（利用率 0.1%）。文末列出六个我实测否决的主流方案，以及我拒绝做的三件事。**2026-10-17 补记第 12 节**：折叠之后账单换了形状——按全部固定文本口径实测 29,031 token/请求（11.3k 的声明在 PTC 模式下搬进了系统提示），并补上折叠回本判据 N·B > C 与一条「空转注入」的事故复盘。

   2026-10-15

6. 06

   「默认最高规格」是编排层最贵的默认：一次任务分级整改，和我亲手造出的一个危险 bug

   一篇博客被编排层拆成 8 个任务、产生 393 条跨 agent 消息。问题不在哪条门禁坏了，而在编排层根本没有「级别」这一维，于是最高规格成了默认值。复盘我怎么加上这一维、把「只能更轻」变成机器不变量，以及我为这个改动亲手造出、又被独立复核对出来的一个危险 bug。

   2026-10-13

7. 07

   照抄会失败：文档里的脚本要先过三关

   一段脚本只要没被真的执行过，它就只是文本——而文本会以非常安静的方式损坏：粘贴时丢一个空格、换行处截断一个字符、正则少一个右括号。用一个真实案例给出三关判据（能解析、能重复执行、失败可回滚），以及两处容易被忽略的部署约束。

   2026-10-11

8. 08

   让回滚永远可达：把"调崩了怎么办"变成脚本能证明的事

   现场调参最贵的失败不是"参数调错了"，而是"调崩之后回不去"。所以执行框架的设计目标是让每一次变更都可回滚、可验证、可审计；优化更快只是副产品。把"回滚永远可达"拆成六件可以写成脚本的事，并给出启动后五步验证、故障关键字速查与算子级杠杆的落点。

   2026-10-11

9. 09

   先修量具，再谈性能：一次 8 卡推理调优复盘，和一套带失败路径的调优状态机

   一份"看起来很完整"的性能报告里，TTFT 的每一个分位数都和总延迟一模一样——量具坏了。修好量具之后，第二个破绽暴露出来：Prefill 吞吐比 Decode 还慢，而这是物理上不该发生的。复盘这两次诊断与修复的实测数据，并说明我为什么把调优这件事从"多跑几轮看稳不稳"重写成了一台带失败路径的状态机。

   2026-10-11

10. 10

    备份在，回滚却从未生效：一次"看起来正常"的恢复机制

    恢复机制存在了 9 天，日志显示它工作正常——但它一次都没真正生效过。根因是打包用相对路径、解压用 -C $HOME 的不匹配，产物是一段不该存在的 ~/home 目录。复盘这个静默失败，以及改完之后的 known-good 检查点与级联恢复设计。

    2026-10-11

11. 11

    让 Agent 自己长技能：一个"检索 → 计划 → 执行 → 沉淀"闭环，和它暴露出的三处安全缺陷

    让 agent 自己长技能，真正的风险在于它把错的做法记成经验：技能库同时是它自己的判据来源，错一次会被记住很多次。我把它做通了（检索→计划→白名单执行→成功后蒸馏成技能写回同一个知识库），但通读代码后找到三处设计缺陷：白名单把解释器放了进去、自动沉淀默认开启、参数替换发生在分词之前。

    2026-10-11