排查问题：先测量，别让 AI 连着试五种修法

一位同事用 AI 工具时经常卡住、断开重连。这类问题最省事的做法，是让 AI 连着试几种修法，看哪个管用。可一次改好几个地方，就再也分不清是哪个起了作用，也回不到原来的状态。所以我们先测量，再动手。

几条从弯路里学到的

观测点要放在用户走的那条路上。我在另一个城市放了一台观测机，连续采集了四十多万个样本，据此判断「线路全面变差」。后来从服务器一侧反向测量，才发现那台观测机走的是云服务商自己的线路，和普通宽带用户走的根本不是同一条，而普通宽带方向并没有同样变慢。数据再多，采集的位置错了，结论就是错的。

测网络质量，别只信 ping。ping 用的协议会被一些网络设备单独处理，测出来的数字可能完全失真。直接对目标端口建立 TCP 连接并计时，要可靠得多。如果握手耗时集中在 1 秒出头，通常是握手时丢了一个包，等了约 1 秒才重发（Linux 默认的首次重传等待是 1 秒）。

报错数要先除以用量。用得多的那天，报错自然也多。比较「哪天最差」之前，先换算成「每一百次请求出几次错」，再看看那天是不是周末、数据导出得全不全。

设计对照之前先问：两组在要验证的那一点上，真的不同吗？我们有两次对照做完才发现，两个测试点在关键因素上其实一样，结果说明不了任何问题。

这个问题到现在还没有最终结论。上面这几条，是目前为止最有用的收获。