#系统设计
共 21 篇相关文章
Netflix级断点续播：Dragonfly DB替代Redis实战
拆解 Netflix 级「继续观看」功能的系统设计：用 Dragonfly DB 承载心跳热数据、Postgres 持久化、write-behind 缓存降低 12 倍写入，并详解哈希槽、hash tag、数据结构选型与 ImageKit 播放器集成。
AI Agent总在犯相同错误？换个思路找共性
AI Agent故障总是修不完？开发者提出新视角：许多看似不同的失败可能源于同一模式——Agent把未检查的东西当成已检查。本文分析这个假设对Agent工程实践的启示，探讨为何逐个修Bug效果有限，以及如何把验证内建到系统层面。
当AI系统学会对自己的写入装聋作哑
招聘系统五分钟重写摘要竟引发无限循环？作者揭示读写同一存储的系统自我触发陷阱，分享三种静默写入策略与五条设计原则，避免AI代理陷入无休止的自我对话。
短链接TTL设计教训：过期是功能，而非定时任务
短链接TTL的朴素实现为何会失效？作者从时钟偏移、清扫器依赖进程存活、删除与查找不原子三个角度剖析，提出读时校验+惰性回收的正确设计，让过期成为内建功能而非外挂定时任务。
关闭终端就杀死AI编程代理？会话宿主如何保活
关闭终端为何会杀死AI编程代理？从SIGHUP信号的两跳传递机制讲起，对比nohup、disown、setsid与tmux四种保活方案的差异，并拆解会话宿主架构的六条核心设计原则。
AI自动化最难的不是模型，而是信任
AI自动化系统的真正挑战不在模型选择，而在数据架构、控制逻辑、故障监控与可观测性。本文解析生产级AI工作流中五个被低估的工程难题，以及如何通过系统设计建立用户信任。
生产级Agent提示工程：10个防翻车技巧
生产级Agent提示工程不是写聪明对话，而是把约束、决策框架和输出模式嵌入系统提示，让行为确定化。详解角色定义、任务分解、JSON模式、负面约束、少样本、思维链、接地、不确定性处理、提示链和动态注入十大技巧，以AI邮件助手Mailmind为例，附常见问题与自测。
系统设计面试笔记开源项目：2.4万星的学习利器
开源项目 liquidslr/system-design-notes 整理了经典书籍《System Design Interview》的学习笔记，GitHub 收获 2.4 万 Star。本文解析其内容价值、适用人群及系统设计面试复习建议。
4年AI Agent工程师面试复盘：10倍扩展时LangGraph、MCP与背压的崩溃点
通过一场4年经验AI Agent工程师的模拟面试，拆解生产级Agent系统在10倍规模扩展时的真实崩溃点：LangGraph节点与边的静默失败、MCP超时循环、检查点写争用、多Agent死锁、Kafka背压传播与一次无告警的成本激增事故诊断。
巴林F1软件故障：当赛车被程序"锁死"方向盘
巴林F1赛事遭遇软件故障，车手因系统异常无法操控赛车。本文解析现代F1对软件系统的高度依赖，以及高风险系统容错设计给各行业带来的启示。
一次点餐背后的技术链路：Swiggy如何完成外卖配送
拆解 Swiggy 外卖订单从下单到送达的完整技术链路：API 调用、餐厅库存校验、骑手调度算法、实时追踪与微服务协同，看懂一次点击背后的技术生态。
Reef Infra：用显式请求驱动AI优化器的harness变更
Reef Infra 支持手动与混合模式，让AI优化器的harness变更可由显式请求发起，而非仅依赖追踪数据。本文解析其requests参数契约、意图与观察双输入设计及评估治理机制。
无锁索引树如何实现扩展：规避线程切换与停顿
数据库专家 David Lomet 详解无锁索引树设计：如何用 Notices 机制规避线程切换与停顿，解决 BW-Tree 在高并发下的扩展瓶颈，涵盖 CAS、Delta 更新、合并及节点分裂合并等核心技术。
批准效果而非调用：AI管道安全的闭包盲区
AI管道安全的核心盲区在于：我们审批的是「调用」而非「效果」。通过三个真实失败案例，本文剖析了覆盖率指标与闭包危害之间的错位，并展望到2027年闭包指标取代覆盖率成为承担后果管道的标配。
我不想知道细节：抽象的价值与信任的边界
"我不想知道细节"道出了软件工程中抽象的价值与信任的边界。本文探讨抽象泄漏定律、何时该深挖底层、以及依赖信任背后的供应链风险，为工程师提供实用启示。
CSE 452：Google视角下的分布式系统设计入门课
CSE 452 是一份以 Google 工程实践为背景的分布式系统设计入门课程。本文梳理其定位与价值，并给出分布式系统的学习路径建议，适合后端与系统架构学习者参考。
多智能体协作困境：单体正确为何酿成系统混乱
多智能体系统中，每个 AI 智能体单独决策都正确，组合起来却常导致系统混乱。本文剖析局部最优与全局最优的冲突根源，探讨编排层、状态同步与契约设计等稳健协作方案。
深度解读单Agent vs 多Agent：三步决策框架帮你选对架构
基于Anthropic工程实践，详解单Agent与多Agent架构的三步决策框架：从瓶颈识别、技术可行性到商业价值过滤，帮助AI开发者做出有据可依的架构选择，避免过度工程化。
