JastWc

Java & AI Builder 🚀 | 专注后端架构、LLM 应用与 Vibe Coding | 折腾效率工具与 Agent 落地

[JastWc @JastWcpsf8]

用户买了 10 件，系统却按 120 件去预占库存。这个Bug，AI 排障能查到哪一步？

上一篇的库存案例，在本地模拟环境复现了一遍，直接看效果👇

报错是库存预占失败，最省事的结论是库存不足。
一句话发起调查后，Agent通过MCP核对了三处：
· 日志：预占数量120
· 订单库：下单数量10
· 源码：把10件当成10箱，再按每箱12件换算成120
根因是单位换算，不是库存不足。

Skill里有一条硬规则：结论必须引用证据，证据不足就停下转人工。

这次跑通的是取证和根因分析。下一篇接修复：开分支、改代码、跑回归。

说明：故障是自己埋的；排查步骤由Skill 预先定义，每一步查询都是 Agent 实际调 MCP 完成的。视频为 10 秒节选。

[JastWc @JastWcpsf8]

经历了之前几次的经验，再次遇到一个场景团队线上问题自动化agent基建，分享下Claude Opus5.5 max和Gpt-6 Astra Extra High配合下来的落地：

这里我就挑核心点参考，实际中大型项目我们遇到的要复杂的多，不过基本能覆盖很多大家的场景，两个模型都很好的给出了类似我们之前线上跑的一些解决方案；

核心问题：线上出问题时，我们通常怎么处理？

1、打开日志平台→找traceId→追踪上下游→查数据库→定位代码→查看近期发布，服务扩展到几十个，再加上 Redis、MQ、ES 等组件，排查就成了一次跨系统的信息拼接。

即使用上AI，很多时候也只是：人查一段日志，复制给 AI；AI 提出下一步，人再去查，然后继续复制，疯狂烧你的token，一个computer use下来直接5小时额度打满。

2、这部分反复搬运上下文的工作自动化。具体思路是：在业务仓库之外，维护一个例如jestwc-skills工程，把团队的排查经验、项目映射和验证规则沉淀下来，通过MCP/API 接入日志、监控、只读数据库、代码仓库和 CI。

开发者用自然语言发起任务，流程先分两条主线。

① 这个服务报警了，帮我分析原因

进入incident-diagnosis：

确认环境和时间范围 → 判断影响等级 → 收集证据 → 验证根因假设 → 输出报告。

不同问题走不同取证路径：

CPU、内存异常先看指标和 JVM 状态；请求失败沿 traceId 查链路；构建失败先看 CI 的失败阶段。

② 帮我处理这个 BUG，修复到独立分支

进入defect-remediation：

读取→定位仓库→复现问题→创建独立worktree和修复分支→修改代码→回归验证→回填结果。

如果发现是配置、数据或依赖问题，就交付对应结论，不强行改代码。

这里的配合关系是：
1、Skill定义处理方法和完成标准;
2、Agent根据当前证据决定下一步;
3、MCP/API 提供访问实际系统的能力;
4、其实就是整体的能力交给agent看得懂的方式进行工作

比如订单服务报【库存预占失败】，Agent不应直接下结论【库存不足】，而是继续核对请求数量、库存服务日志、业务配置和对应版本代码，判断哪种解释真正成立。

所以，一句话只是入口。可复用的工程还需要几项约束：

1、日志限定服务、环境、时间窗和数量；数据库使用只读权限；代码修改有明确仓库和分支范围；报告引用证据；修复必须验证，证据不足就停止或转人工。
2、同一份Skill也不能保证不同模型得出相同答案。我们要统一的是取证方法和验收标准，再用故障样例持续评估流程。

最终交给开发者的，应当是：
1、根因报告+证据链+修复分支+测试结果；
2、审核、合并和生产发布仍由人把关。重大故障优先按应急预案控制影响，根因分析同步推进；
3、我希望 AI 能承担更多重复调查和验证工作，让开发者把时间花在判断问题、审核方案和改进系统上。

总结：其实模型的上限给你人的项目经验也有很大的关系，模型能在你们不断碰撞思维的过程中和你落地出最符合业务团队的方案

[JastWc @JastWcpsf8]

Haiku 5.5刚出，让它和 Sonnet 5.5 各画了一只蹬自行车的兔子，纯SVG，动画直接写在文件里，没用 JS

Haiku 先画：樱花小路、薰衣草色兔子，41KB/423 行
Sonnet 后画：日出胡萝卜农场、红围巾、车篮里有胡萝卜，72KB/546 行

Haiku 这个效果比我预期好，毕竟它定位是跑分类、抽取的最便宜那档，官方起步价比 Sonnet 便宜 20 倍。Sonnet 细节明显多一层

不过得说一句：Sonnet 是后画的，能看到 Haiku 的版本，骨架和蹬车算法是同一套，所以不算完全公平的对比

[Claude @claudeai]

Introducing Claude Haiku 5.5: the cheapest, fastest, and most capable small model we’ve ever released.

On average, it costs around 75% less to run than Claude Haiku 4.5.

[JastWc @JastWcpsf8]

@xingzengji 我也觉得太吓人了，这么好的体力不搬砖🧱太可惜了

[JastWc @JastWcpsf8]

雷达又加了个功能：看到想聊的热点，点「写帖子」，直接出 3 个版本：观点、提问、速递

可以先填一句自己的角度或者实测，它按你的意思来写，不填就按原帖写

生成用的是Gemini模型调度，8秒左右出结果，整个功能的代码是Claude Haiku5.5写的。出来的东西我还是会自己改一遍、核对下事实再发，它就是帮我起个头

Haiku 5.5对于增加扩展小功能迭代还是比较适合，比较符合Claude对模型的定位，不过主要还是Opus5.5、Sonnet5.5组合更多一些

[JastWc @JastWcpsf8]

热点雷达加了个小功能：一键发邮箱到Gmail

点一下，今天的榜单直接到Gmail，中文圈和英文源各取前 10，带话题标签和讨论链接，几个源都在聊的会标「也见于 GitHub」

我现在早上就手机上扫一眼邮件，不用开电脑也知道AI圈昨晚在吵啥聊啥，大大节省了我的时间

数据源还是V2EX/GitHub/HF/HN这几个免费的，一分钱没花。后面打算部署到自己服务器上，每天定时推给我

[JastWc @JastWcpsf8]

@xparkzz @zhaoby83 之前被封的一个谷歌Gamil邮箱，因为appleid也是用的这个邮箱注册，我帖子之前有分享过，直接apple官方申请退款就行，审核通过48小时按照比例退到appleid账户上面

[JastWc @JastWcpsf8]

@zhaoby83 @xparkzz 是的，之前还好都按照天比例退回来了

[JastWc @JastWcpsf8]

@buildnomadx 确实非常赞成这个看法和观点，从传统的公司提供平台转变成了自己借助平台输出解决部分市场需求痛点的人，这些业务痛点带来的才是真正的收益和长期做的

[JastWc @JastWcpsf8]

@zhangjun027 确实这个东西感觉就是后续发力必须还得是原创，否则长期人工体力运维比较难以走下去

[JastWc @JastWcpsf8]

@bangbuilds 提交下申请就可以了，72小时后再支付就可以成功了

[JastWc @JastWcpsf8]

@lixinbao_X 是的，有时候你想看点真正需要的内容，很多都是水评钓鱼

[JastWc @JastWcpsf8]

@ChenshuoAI 体感和你差不多，几乎就是用了Opus5.5后，基本上回到6.1太明显了，甚至你能清晰的感受到模型之间的区别和聪明程度

[JastWc @JastWcpsf8]

@SIAxiom 确实是的

[JastWc @JastWcpsf8]

@RealYDT 毕竟技术和手艺是两个不同纬度的东西，初看大差不差，后期再看截然不同的本质

[JastWc @JastWcpsf8]

@BitPuPu Grok有点怕，Coding很容易飘😆

[JastWc @JastWcpsf8]

@GKev1n 今天实际需求实测开发跑下，不过感觉应该不如Sonnet5.5+Opus5.5丝滑组合好用，毕竟定位不同

[JastWc @JastWcpsf8]

@xKaka1456 是的

[JastWc @JastWcpsf8]

@Arcadia_Bao 这下直接省60刀，还是超级划算的，一般用确实够了

[JastWc @JastWcpsf8]

@Vincent_AINotes 其实很正常，就像其他行业不知道的隐性规则一样

[JastWc @JastWcpsf8]

@aiZttt__ 确实，我甚至有时候忘记了IDEA PyChram的存在😂