技术专栏 第135页

如果把 Agent 写成一个简单公式，可以是：

最近一直收到某个服务pod容器内存超过80%的告警，堆内存加上堆外内存目前看也只有1G左右，但pod内存却达到4G多，查来查去查到
active_file对应的logs占用大量内存，目前现状是k8s中springboot服务日志挂载到宿主机/logs目录，/logs目录的所有日志大小有3G，容器内存显示也包含日志的3G，即使挂载出来了也没生效？

这是 RocketMQ 系列文章的
收官之章，也是一份特别的礼物 ——
面试自查手册。

balance = balance + amount 在 CPU 层面至少拆成三步：

这不是一篇”怎么排查出图慢”的技术教程，那种文章 CSDN 上够多了。这篇写的是我在排查过程中犯的四个错：
为什么错、错在哪一层、下一次怎么避开。

/ask-matt 是 Matt Pocock 工程技能体系的导航仪。

最常见的情形是我们根本没有一个指标去反映相关的问题。这个在日常往往表现为漏配监控。举一个很常见的例子，如果我们只监控Http返回码为500的报错，而认为Http返回码是200都正常的话，其实很有可能出了问题而不自知。因为Http返回码是500还是200在大部分情况下只能反映Server内部处理有没有异常，但并无法反映业务上的问题。例如库存不够了，往往给用户返回是Http200返回码，但用户Get到的信息却是库存不足。如果没有对这个业务返回码做相应的监控，那么我们无法观测到由于库存不够导致的持续订单损失。 如下图所示:

如果你也遇到过类似的现象，或者单纯好奇Redis主从复制在故障转移后到底怎么决策的——这篇文章就是为你写的。我们不背八股文，而是从这次排查经历出发，把背后的设计逻辑彻底理清楚。

这种破事我起码遇到过十次。直到上个月试了GitHub官方出的spec-kit，才终于不用在AI的「自由发挥」和我的「反复返工」之间反复横跳。

现在用 ai 写代码很多时候都是一把梭的，也就是说我只需要给 ai 一个要求指令，剩下的就交给 ai了，现在模型能力确实越来越强，有时候我甚至可以不用 superpowers 这种工作流插件都可以做到很规范。所以这种 vibe coding 的写法已经很广泛了，只要可以满足我们要求就可以。