标签 · 可用性

把失败变成资产：事故复盘怎么写才有用

有用的复盘不找责任人，而是逐层追问防线为何失效，并把每条新防线落成有验证方式的动作、把事故变成测试用例。本文给出时间线写法、五个追问、验证对照表与最小模板。

AI 功能的容量规划：怎么估并发与峰值

AI 场景的并发要拆成入口、上游、下游三层分别估，取最紧的一层做上限。本文给出用利特尔法则估算的方法、峰值处理的三种手段（按代价排序）、三类常见误判与一张最小容

给 AI 功能定预算：成本与延迟两条线怎么设

AI 功能要同时管成本与延迟。本文讲清预算怎么从业务倒推、延迟为什么要分首字与总时长两段、超标后的排查顺序、三条纪律与一张最小看板。

上线后的第一周：AI 功能该盯什么

AI 功能上线第一周最容易出成本失控、延迟飙升与坏输入打崩。本文给出上线前必备四件事、每天该看的指标、三个典型事故与对应防线，以及第一周结束时应能回答的问题。

多租户下的配额与限流：别让一个用户拖垮所有人

多租户系统的事故常源于单个租户打爆资源。本文给出四层防护（配额、限流、并发隔离、降级熔断）、该观测的指标与一份可执行的上线清单。

把长任务做成可恢复：断点、幂等与进度可见

长任务必须有可恢复、幂等、进度可见三件事。本文给出断点续跑的具体做法（拆步、落盘、输入指纹）、幂等键与两阶段副作用、进度展示要点，以及四个常见错误。

给 AI 功能做降级设计：上游挂了，用户还能用

线上 AI 功能最常见的故障是上游不可用。本文给出四层降级（重试切换、换小模型、规则兜底、明确不可用）、三条常见误区，以及把降级写进产品与监控的具体做法。

模型为什么会「编」：三类幻觉成因与可落地的抑制手段

把幻觉当成单一故障会修错方向。本文按「知识缺失 / 上下文冲突 / 任务越界」三类成因拆开，各给可落地的抑制手段，并说明哪些手段只是把错误变成「不确定」。