2026年9月27日星期日

用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流

一位短剧推荐算法开发者分享如何用Codex 5.6 Sol接入日志系统做线上排查、巡检与版本走查,问题排查从1到2小时压缩到10分钟内,并覆盖AI写生产代码的方案审核、代码规范、上线审查流程,适合想用AI提效的开发者参考。

Tags:

codex 5.6 sol发布以后,我再也没有写过一行代码了

我的工作,做的是短剧推荐

用户进入 app 并往下滑动时看到哪部剧,是由我们的推荐算法决定的。

所以,我经常遇到的问题就是

"xxx,帮我看看为什么这个剧没有推荐出来"

"xxx, 这个剧怎么推荐给我了,不应该呀"...

这种问题,排查起来非常繁琐。必须结合对应的观看记录、操作行为等,推理预期是什么样子的,用来说服提出问题的人,这样工作才算结束。

在 codex 5.6 sol发布后,这种问题,我再也没有查过了,甚至是代码,我也一行不写了。

下面,说说我是怎么做的,希望能帮到需要的同行。

排查问题:赋予AI读日志能力

做过开发的都知道,查线上问题,必须要查服务日志。

为了让AI能读我们的日志,我让AI写了一个mcp服务,通过这个mcp服务,AI就能读到我们的线上日志了。用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流

对了,这儿我们用的是阿里云的sls日志系统。如果是用腾讯云或者其他云厂商的日志系统,应该问题也不大。

按照这个方式,现在我能让他帮我做的事有

  • 问题排查
    。 只要有人提问题,我就把问题交给AI,让他排查
  • 线上巡检
    。有些潜在问题会埋在海量日志里面,比如说服务崩溃等
  • 版本发布走查
    。这个很实用,发布新版本的时候,可能会有潜在问题我们发现不了,让AI模拟请求走查一遍,能发现很多潜在的问题
  • 辅助产品大大制定策略
    。我们的产品大佬有时需要根据现在推荐结果分布,制定推荐策略,用AI帮忙统计分析数据再合适不过了

那么,按照这个模式走,节省了我多少时间呢?

问题排查  由原来的1~2个小时,压缩到了10分钟以内,在排查期间,我还能做其他事情。线上巡检,AI帮我找到了4个隐藏了很久的服务崩溃问题,这些崩溃会导致我们服务重启,我们找了很久都没有找到根因。版本发布走查 ,自从让AI代替我走查后,我发布的版本,基本没有出现过问题....

用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流

从开发到提测,2小时搞定

前面说的是怎么让 AI 帮我排查问题,发现问题,Codex/Claude 非常擅长写代码

我在这部分,说说我是怎么用它们写生产环境的代码的

先用一幅图,说明我的工作流程吧用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流在这个过程中,唯一的碳基生物「我」负责审核方案,修正方案。剩下的流程都是AI来做

基本上,只要方案没问题,写的代码几乎不会有问题。

那么具体审核方案是怎么做的呢?我说说我的方式

一、AI理解的需求对不对?

这部分是初审,从大的方向看看AI有没有理解需求要做什么。

我一般是先理解产品的需求,看一遍产品的文档即可。

然后,再让AI梳理产品的需求,如果 AI 理解得不对,那么就纠正AI

或者是AI发现了产品需求有问题,那么我就根据AI分析的结果,和产品沟通,调整需求

二、AI给出设计方案行不行?

在上一步,确认了AI理解的需求没有问题,那么就可以开始让AI给出实现方案了。

在这个部分,我们主要是让AI说说它要怎么实现,比如数据存储用什么、实现的逻辑要放在哪个模块、如何做业务逻辑的拆分等等

这些实现方案,最好是有工程经验的人来审核!

比如实现一个功能,数据存储在redis或者mongodb都能实现需求。

但是要存储在哪里呢?这个就需要人来判断,要结合业务的实际需求进行判断

AI给出的方案,可能是对的,但是不一定符合业务的需要。

三、代码要改哪里?

在上面的步骤里面,AI只是给出了整体的实现方案,但是具体要修改哪部分代码还没有给出来的。

必须要让AI给出他的改动点,然后审核改动点对不对,以及是否符合你的预期。

前面三步确认,就可以开始让AI写代码了。

对了,有时候AI写的代码,真不是人看的,不适合维护,所以我给AI定了一些规范。

我把我的规范放在下面了

写golang、python代码时候,要注意代码风格1、不能超过120列,单个函数不能超过80行2、函数参数、返回值尽量放在统一行,如果太长超过120列了,超过的不是很多不要紧,超过太多的话,在合适的地方换行,合适的地方是换航后,上下两行差不多一样长,但是换行后导致语法问题3、函数、变量的命名要清晰,简洁,不要太长,但也不能为了短而导致变量、函数名含义不清晰4、代码优先要考虑实现简单,容易维护,如果有安全问题可以提出来,但是的话,实现代码不能为了安全而导致实现太复杂的代码了,防御性编程需要由我确认后你再写5、如果有风险问题,可以提出来,再由我确认要不要修改6、代码要加上注释,方便代码维护和查看8、不要自己写单元测试,先和我确认,我确定要写单元测试你再写9、如果涉及到.api或者.pb文件更改的,需要重新生成协议的,用goctl工具生成协议,不要自己写协议的代码10、优先考虑有没有可复用的逻辑,尽量避免新增重复的逻辑会话标题说明1、每新建一个回话,回话的命名格式是  「<月份,例如9>月<日期,例如4>日|<会话说明>」2、会话说明在10个字以内,尽量保持简洁清晰

如果使用codex的话,可以在「个性化->自定义指令」加上去,后面codex写代码的时候,就会遵守这个规范了。用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流

四、发布到线上的代码审核

这个步骤呢,最好不要省略!AI写的代码未经审核发布到线上,是有很大风险的!

所以,在我们合并到master分支的时候,一定要审查一下代码,看看改动点在哪里,做到心里有数。

好了,上面就是用AI从需求分析到功能上线的整个过程了。

写代码这件事儿,我自己感觉,AI 已经写得比我好了,一些代码逻辑错误、空指针异常等,几乎不会在AI写的代码中出现。

在整个过程中,人最重要的作用就是方案审核以及代码审核,这部分是不可缺少的。

我在前面说的都是我们日常的问题排查和开发。我再说一个真实的案例。

爬虫&异常用户分析

有个不讲武德的用户,直接通过接口,用不限请求频率的方式爬我们的资源!

平常遇到这种事儿,需要筛选日志,找特征找证据。。。这一套下来,没有一两个小时是办不到的。

不过,接入了AI之后,AI 10分钟左右就帮我把异常用户、还有他的行为模式都给揪出来了

用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流当然,我只是负责把它揪出来,至于后面怎么处理的,我没有参与。

对于这种在海量日志中筛选异常用户的任务,让 AI 来干这种苦力活再合适不过了。

总结下

前段时间,我看到一个帖子

这个帖子说的是博主的公司,所有的东西都是claude code做的,他们在上层的要求下,只能和claude code不断聊天、提交代码。。。没有时间思考,也没有时间检查代码的正确性。博主觉得,这是对灵魂的摧残。

用AI排查线上问题与写代码实战:短剧推荐算法开发者的Codex工作流和他不一样的是,借助AI, 我有更多的时间思考,这是我幸运的地方。和他相同的地方是,我也是没有成就感了。。。可能会有点凡尔赛,以前查出一个隐藏的BUG、优化功能点那种成就感,可以让我开心一整天但现在AI 不到10分钟就能给我结果,虽然我完成了工作,但总感觉没有了以前那种快乐。

以前,在学C语言、学算法的时候,当我在leetcode刷一道题,成功AC了之后,那种快乐,也是无法描述的,但现在,还有多少人能沉下心学各种编程语言、刷编程题呢?不知道以后会怎么样了。现在,AI已经能帮我完成大部分工作了。再过几年,AI会不会能直接代替我?或者是,其他人只要有AI,可以直接替代我的工作?

时代的洪流人力无法阻挡,只能顺应潮流了

好了,本次分享就到这里了,希望我的分享对大家有用~

没有评论:

发表评论

2026淘宝联盟年度榜单揭晓 两类新玩家正在改写淘客格局

本文解读淘宝联盟2026年度优秀合作伙伴榜单,重点拆解手机厂商流量型与广告媒体投流型两类新玩家,剖析其资源迁移打法与头部格局变化。对想入局淘客的新人,建议结合所在城市的产业圈子选赛道,并重视自身流量资源与能力的长期积累。 Tags: 淘宝联盟 淘客榜单 手机厂商流量 ...