后端排障实录
关注
分享
扫一扫
文章平均质量分 82
十团软件
湖北十团网络科技·软件开发团队（高新技术企业，100+软著）。坐标十堰/武汉，专注定制软件开发：小程序、企业管理系统（ERP/CRM/OA）、OCR识别、老系统迁移与数据对接。这里记录真实交付——技术选型、工期与报价拆解、项目复盘。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
给智能体建评测集：模型一升级，效果掉没掉，26 分钟知道答案
模型要下线，这次先建评测集再升级。328 题按错误类型分层：55% 常规、25% 边界、20% 是线上真出过错被骂过的。LLM 打分必须抽 20% 人工复核，全量跑一次 26 分钟、37 块钱。附一次总分涨了 2 分、坑题却掉了 13 分的判断过程。原创 2026-11-11 14:50:00 · 110 阅读 · 0 评论 -
智能体从“能聊“到“能动“：让它真正操作业务系统，我们分了四个阶段
客户要求智能体直接在系统里改派订单，我们一开始不敢。四个阶段：影子模式先对照 142 次建议、按风险分三级、写操作全部工单化并回读确认、批量操作强制展示关键列。附一次 37 单批量改派的事故，以及放量为什么比计划慢了三个月。原创 2026-11-09 09:13:48 · 312 阅读 · 0 评论 -
换了模型供应商之后，我们那些 prompt 全废了：一次多模型兼容改造
换模型之后 prompt 一个字没改，抽取准确率从 96.4% 掉到 87%。差异清单：system 权重、输出前缀、stream 字段、finish_reason 取值、tool 参数嵌套、tokenizer。改造成 prompt 三层加统一解析，最后主用便宜模型、低置信度让贵的复核。原创 2026-11-06 09:14:50 · 333 阅读 · 0 评论 -
给内部系统做审批流：我们试过三种建模方式，最后选了最不灵活的那个
同一个审批需求，我们试过三种建模：硬编码状态机（第五种单据就撑不住）、上工作流引擎（业务不画、版本管理痛）、配置化节点链（六种节点，不追求图灵完备）。附五个一定会遇到的需求：撤回、转办委托、加签、超时、改单之后重走。原创 2026-11-04 11:07:57 · 318 阅读 · 0 评论 -
让业务自己用大白话查数据库：做 Text-to-SQL 这半年，坑全在提示词之外
让业务用一句话查数据库，做完发现坑全在提示词之外：口径没定死模型只能猜、把明细表给模型导致 sum 重复计、相对时间必须代码算、权限要在 SQL 上强制拼而不能写进提示词、只读账号加超时和行数上限。跑三个月，能直接出数的占 78%，剩下 22% 坚决退回人工。原创 2026-11-02 18:03:57 · 118 阅读 · 0 评论 -
给智能体做“记忆“：三种方案的实测数据，以及我们最后选的组合
12 通真实对话、平均 32 轮，比较三种记忆方案：滑动窗口 21.4k token、召回 92%；滚动摘要 6.8k、71%；结构化槽位 5.2k、88%。最后选的是 B+C。附槽位表怎么设计、相对时间为什么必须在写入时解析成绝对日期，以及一个到现在也没解决的问题。原创 2026-10-30 09:36:08 · 29 阅读 · 0 评论 -
一个 Excel 导入功能，我们改了四版才敢让它上线
POI 一次读全表直接 OOM，改成分批又把前 5321 行重复插了一遍，清理数据清到晚上十一点。四版改下来：流式读取、校验与写入分离、批次号做幂等、错误报告导出成能直接改的 Excel，最后把 25 秒压到 3 秒。附 Excel 日期是序列号、表头不在第一行这些碎坑。原创 2026-10-28 14:25:13 · 349 阅读 · 0 评论 -
模型返回的 JSON 里，1000 份有 31 份是坏的：我们给结构化输出加的那几层兜底
一千份合同里 31 份解析失败，真正麻烦的是另外 5 份——JSON 合法、类型也对，值是编的。三种试过没用的办法（提示词写得更严、让模型自检、temperature 归零），和最后留下的四层：schema 约束、代码清洗、要求附带原文证据、只重试两次然后转人工。原创 2026-10-26 09:33:12 · 249 阅读 · 0 评论 -
用 MCP 把内部系统挂给 AI 助手：我们这两周做了什么，以及改了哪些设计
把 12 个细粒度工具砍到 5 个之后，单次问答平均调用次数从 3.8 降到 1.6。参数描述要写清格式和拿不到怎么办，返回值只给 6 到 8 个字段并带 total 和 has_more，权限按调用者身份校验而不是给模型开超级账号。附这两周改掉的几处设计。原创 2026-10-23 11:12:02 · 142 阅读 · 0 评论 -
本地部署一个 7B 模型给内部用：显存、并发和一笔真实的账
两张卡上实测 vLLM、Ollama、llama.cpp 三种部署方式，对比并发 8 和 16 下的单请求速度与首字延迟；量化后漏抽率从 1.2% 涨到 3.7%，到底值不值。最后把显存、电费、运维人力摊开算了一遍账，并明确写了三种我认为不该上本地部署的情况。原创 2026-10-21 15:03:31 · 280 阅读 · 0 评论 -
Oracle 迁达梦：存储过程改造里那些“语法一样但结果不一样“的坑
迁移工具跑完、编译错误都改完、测试环境一切正常，问题到上线第一周才暴露：空串和 NULL 不是一回事、VARCHAR2 按字节还是按字符、分页排序不稳定、序列当前值没对齐导致主键冲突、GBK 转 UTF-8 后报表排序全乱。八类语法一样但结果不一样的坑，附上线验收清单。原创 2026-10-19 11:05:18 · 182 阅读 · 0 评论 -
缓存和数据库不一致的那五分钟，是怎么产生的
运营改了商品价格，前台还是旧价，五分钟后自己好了。这种会自愈的 bug 最难查，因为它不留证据。把"先更新库再删缓存"那个窗口逐秒摊开，讲清它是怎么产生的、为什么概率低但一定会撞上，以及三种改法各适合什么场景。原创 2026-10-16 09:19:53 · 218 阅读 · 0 评论 -
MySQL 死锁排查
周三下午客服说"转单一直转圈"，日志一屏 Deadlock found。把 LATEST DETECTED DEADLOCK 那段拆开逐句看：转单是子表到主表，取消是主表到子表，加锁顺序一反，环就合上了。附定加锁顺序的规范写法、innodb_print_all_deadlocks 开关，以及一个我不太同意的流行说法。原创 2026-10-14 09:22:04 · 240 阅读 · 0 评论 -
库存被扣成了负数：三处该做幂等、当时都没做的地方
早上八点多，某个 SKU 的可用库存显示 -3。查下来不是算错的，是同一张出库单在 340 毫秒内被扣了两次。三处该做幂等却没做的地方：接口 check-then-act 加前端标志位写反、单号在接口里现生成导致唯一索引失效、定时任务重试不知道自己已经成功。附每日对账和负数校验的兜底写法。原创 2026-10-12 14:42:59 · 38 阅读 · 0 评论 -
对账少了 3000 单，对方坚持“接口没问题“
对方接口一直说没问题，我们这边入库却少了 3000 单。跨三天排查：第一天先怀疑自己，发现双方"推送次数"和"入库条数"根本不是一回事；第二天定位 offset 分页漂移导致的跳单；第三天揪出时区偏移 8 小时和解析异常被静默跳过。收尾讲原始报文中间表、唯一索引、每日双向对账怎么落地。原创 2026-10-10 09:08:14 · 331 阅读 · 0 评论 -
定时任务半夜崩了半年没人管：一次从连接池查到深翻页的排查记录
一套跑了半年的定时任务时好时坏：不是崩，是跑不完、悄悄少刷。从报错里的 600,030ms 查到数据库 wait_timeout 和连接池 max-lifetime 的错配，再往下是循环里一句无索引 count、limit offset 深翻页、一处 N+1，以及被 catch 吞掉的异常。最后附执行记录表、重入锁、超时告警的落地做法。原创 2026-10-08 09:27:35 · 328 阅读 · 0 评论