工作周报2025年 11 月 17 日 - 2025年 11 月 21 日

本周工作思考

脱敏处理

• Cloudflare 事故的思考
  1. 本周Cloudflare 发生了严重的事故，对我们没有影响，不过作为工程师我也深有感触，也值得用他人的血泪教育一下自己。
  2. 很多事故都是发生在不经意的一个小失误和小bug，工程开发不能存在侥幸心理。从自身来说，要不断的提醒自己要严谨，认真做功能设计，严谨写每一个方法，尽可能保证每一行代码的健壮，考虑到尽可能多的异常情况，边界情况，特别是让大模型想尽可能多的非预期的可能，如在大模型使用文件记忆时，要考虑到如果硬盘慢了怎么半，文件权限被篡改了怎么办，多线程如何同步等。
  3. 很多事故都是小概率事件，但是事故的复杂就是事故之前从理性想似乎是绝无可能发生，事故后又会觉得它一定会发生。这种认知距离究竟是怎么产生的，如何避免这种认知距离实际上很重要的事情。
  4. 最近结合uShow的问题，我也顺带学习了一下Datadog + Pagerduty + Slack 的告警机制和事故处理流程机制。对于复杂而又真实的世界来说，事故的发生难以避免，从务实的角度出发，在做好质量保障之外，建立切实可行的事故处理流程是至关重要的，遇事不慌，临危不乱，紧急有序响应，各团队协同合作，让损失降到最低。