追一次跨服务调用
从 travel 出发,画出 marketing 与 ticket 的输入、输出和失败传递。
一座为你生长的私人学园
从一条 TraceId 到一场展览,从订单状态到城市导视。这里不催你上课, 只邀请你每天带走一件以后还能用的东西。
0累计光点
0留下作品
0/3今日节奏
7月20日星期一 · DAY EDITION
你不需要先准备好。选一个与你今天精力相称的入口,完成后留下一张卡、一句话或一幅图。
从 travel 出发,画出 marketing 与 ticket 的输入、输出和失败传递。
不翻笔记,写下时间、环境、入口服务之外的两项。
它是在解释空间变化、状态反馈,还是单纯吸引注意?
BACKEND EXPEDITION
你已经会理解业务,也能让 AI 写出后端。现在需要形成的是可接管能力:读链路、判状态、识别副作用,并在 AI 没找到答案时知道下一步查什么。
从一条报错进入后端世界
固定时间、环境、URL 与参数
在入口服务找到同一 TraceId
沿 span / remote error 找到第一处异常
通关证据独立写出一张日志定位记录,而不是只贴整段日志给 AI。
字段映射 · 状态显示 · 多端迁移 · 接口归属 · 数据来源 · 影响评估 · 支付 / 核销异常
主线内容来自近期 Codex 任务与崆峒九仓库事实,不是通用 Java 课程目录。TRACE LAB · CASE 001
这是教学用的模拟日志,不对应线上真实订单。目标不是记命令,而是养成固定调查次序:请求事实 → 入口服务 → 下游错误 → 第一处异常 → 契约对比。
{
"code": 500,
"message": "预约创建失败",
"traceId": "KT-260719-A13F"
}事故简报前端参数看起来完整,接口 186ms 返回 500。你从哪里开始?
固定请求事实时间、环境、URL、method、用户/订单标识、请求参数、响应与 TraceId。
查入口服务用 TraceId 精确搜索;先确认请求到没到、进入哪个 Controller、总耗时多少。
沿下游调用搜索 Feign、HTTP client、RPC、spanId、remote error;不要被最后一层包装异常带走。
找第一处异常第一条业务校验失败、数据库错误、超时或第三方错误,通常比最终 500 更接近问题。
回到代码证据对比 API wrapper、Controller、Request DTO、Service、DTO copy / mapper;再决定改哪一端。
traceId:"KT-…" AND service:"travel"具体语法取决于公司使用的日志平台;这里不假定是 ELK、SLS 还是 Loki。FIELD NOTES
真实空间里到处都是状态、反馈、权限、等待和异常处理。一次采样只带一个观察视角,带回三个样本,再把一条规律用到产品里。
本次镜头 · 选择设计
观察默认项、推荐项、限制条件、价格组合如何减少决策负担。
商品规格、预约场次、保险勾选
TASTE CINEMA · 7-DAY PROGRAM
每天研究一种视觉方法。先看它解决什么,再说它好不好;最后把一条原则翻译到自己的产品。下方示意图均为本站原创 CSS 构成,不复制平台作品。
原创构成练习 · 不代表该风格的完整历史
运动是解释,不是烟花
动效应说明对象从哪来、状态怎样变、用户动作得到了什么回应。
给任务完成设计一个 300ms 内的反馈,只用位移、颜色和数字变化。
所有内容一起淡入,或用长动画掩盖等待。
自由发挥 · STRANGE CONNECTIONS
同一张票刷两次,系统怎样知道第二次不是一位新游客?
AGENT SALON
Codex 现在已经能完成本站的产品、代码、内容结构与浏览器检查。长期运行时再引入一个 Gateway;记忆、进度与正式内容仍应保存在网站自己的数据库。
建造者与编辑中枢
最适合读你的多仓库代码、设计与实现网站、做浏览器检查、把成熟方法沉淀为 Skill,并按任务并行工作。
它是开发与执行环境,不应被当成网站全天在线的业务后端。
未来 · OpenClaw全天调度 / 手机入口 / 通知
网站 API / 数据库唯一的正式进度与内容来源
现在 · Codex建站 / 内容编辑 / 代码维护 / 检查
Hermes Agent 保留为替代实验运行时。OpenClaw 与 Hermes 不同时承担常驻 Gateway。
MUSEUM OF USEFUL FAILURES
你不缺让 AI 生成代码的能力,缺的是卡住时的人工接管路径。把失败保存成可复用证据:下次遇到相似情况,你会比 Agent 更早知道该查哪一层。
HUMAN OVERRIDE PROTOCOL
事实我实际看到了什么?请求、响应、状态和时间能否复现?
边界错误属于页面、API 契约、单服务规则、下游服务还是环境?
分歧点数据从哪一步开始与预期不同?变量、状态或副作用是什么?
证据哪一段源码、日志、SQL 或测试能支持这个判断?
决定改哪一层,失败与重复执行时会发生什么,哪些还没有验证?
让 AI 继续工作的最好材料,通常不是“再试试”,而是一条你亲自确认的分歧证据。
PRIVATE COLLECTION
展柜还是空的下一次 AI 反复改代码却没解释清楚时,把那个瞬间放进来。失败会变成你的后端直觉。