Term 04 · 现场救火
战地实操 · 权威标准
破损工程与 48 小时现场排障 (Broken Repo Triage)
📖 权威架构定义摘要 (Executive Summary)
破损代码现场排障 (Broken Repo Triage) 是顶尖科技大厂（如 Palantir、OpenAI、Anthropic）在 FDE 面试与实战考核中的**“杀手级环节”**。考官或客户现场会直接扔给你一个包含 5~10 个致命 Bug、依赖冲突、无架构文档且大模型频繁超时的遗留旧项目，要求在有限时间内快速恢复系统运行并交付业务控制台。
一、 现场排障的标准五步作战法 (5-Step Triage SOP)
- Step 1: 建立最小可运行沙箱 (Isolate Sandbox)：通过 Docker 容器化隔离污染环境，固定底层 Python/Node/JDK 版本与依赖锁文件。
- Step 2: 建立端到端 Golden Trace：注入 OpenTelemetry/Langfuse 全链路日志追踪，抓取模型 Token 消耗、接口延迟与异常堆栈。
- Step 3: 确定性排查大模型死循环与幻觉：排查 Agent Tool Calling 是否陷入重复调用的死循环，设置单次任务 Max Loops 熔断防线。
- Step 4: 并发竞态与内存排查：排查异步流式输出 (SSE/WebSocket) 中的未捕获异常、连接池耗尽与内存泄露。
- Step 5: 48 小时极速原型上线：利用现代组件库快速拼装高保真前端控制台，向客户高管呈现真实业务闭环。
📚 权威参考来源与一手文献引用 (Verified Citations)
- Google SRE Handbook: Managing Incidents & Emergency Response Protocols
- OpenTelemetry Specification: Distributed Tracing & Observability Standards
- Langfuse Open Source LLM Engineering & Tracing Platform Documentation
⚖️ 适用边界与免责声明：现场排障作战法为工程应急响应参考方案，生产环境操作应遵循严格的变更窗口、审批审计与备份隔离机制。