本周工作思考
- 《原子习惯》当X情况出现时，我将执行Y反应&前端报警问题解决（三）
- 这是《原子习惯》中让我立刻用的上一个的执行意图的公式。
- X可以是任务，场景，流程，突然问题等，Y可以是任何应对X的措施或者动作，比如另外的任务，寻求帮助，最佳时间，提出问题，跟进解决，利用AI等等
- 日常开发开发中的很多的微任务，如果都能找到对应的正确的反应，不仅能够提高开发效率，也能够保证开发质量；比如：
- 当开发滚动列表功能时，我将去最佳实践文档里寻找相关可复用代码
- 当遇到不理解的代码时，我将使用copilot寻求答案
- 遇到不确定的需求点时，我将记录下来，并理解寻求相关伙伴的帮助
- 结合《解密无印良品》中的工作“机制化的能力”的想法不谋而合， 而且“当X情况出现时，我将执行Y反应”这种方式具有可执行性
- 当我们整理分类出一系列的“当X情况出现时，我将执行Y反应”的列表时，逐步在实践中打磨，不断让X更明确，让Y更具有自动化，那么我们就可以让AI Agent介入日常的开发任务
- 一系列的“当X情况出现时，我将执行Y反应”就是完全就开发手册和最佳开发规范
- 前端报警问题解决的系统解决，我就尝试使用这种思路进行长期的规划建设，目标上当遇到不同的预警时，我们要明确对应的最有效的反应
- 现在我们有node报警群和Web报警群，基于目前的报警问题我们有需要如下任务需要解决
- 报警问题的初步加工，整理分类，明确的错误信息，错误严重性预分级
- 报警问题的指标设计，设计一些指标用于明确的指示当前时期的线上质量情况，设计另外一些指标用于评估我们对报警问题的解决成效，设计另外一些指标用于统计问题出现的频次，时间，是否有规律等
- 报警问题的自动化处理， 由问题创建Anasa开发任务，重复问题自动归类到那些开发任务中
- 报警问题的根本性解决，很多问题的表现的各种形式，但是本质原因很一致，又需要长期解决，比如最近在持续解决的Node空数据报错的问题，这类问题产生的原因就是代码里普遍存在不完善的异常处理，修复起来需要完整的回归，其实还是有不少研发成本，并且需要长期坚持，最重要的是形成最佳实践或者开发规范，保证新增代码中，避免这类问题的重复发生
- 持续的监控，解决后的问题，是否有再次出现或者彻底解决，相关指标是否得到改善
- 形成“当X情况出现时，我将执行Y反应”报警处理流程
- 这些任务优先级和解决的时间不同，我们分别把它们放在长期，中期和短期目标中，一点一点的累积完成，逐步完成系统性的改善
- 短期目标计划在一个月中初步解决错误的分类整理，摸清现在报警问题的全面情况，同时进行部分问题的修复，减少总体的报警数
- 现在我们有node报警群和Web报警群，基于目前的报警问题我们有需要如下任务需要解决