我自建的一个统计面板曾经挂了整整 16 天我才发现：进程从没退出、端口一直在 LISTEN、CPU 占用是零，看上去「健康得不得了」，可所有新连接都拿不到响应，公网一律 504。根因是单线程 HTTPServer 没有 socket 超时，被一条半开连接永久阻塞；更值得记的是第二层——进程监督器只认「进程存活」，这种假活对它完全不可见。这次我给它上了四层加固，也第一次想明白：为什么「重启脚本」这种修复，会被下一次部署悄悄冲掉。
一个每天跑的签到脚本，用 Playwright 时 6 分钟才启动完浏览器、随后必崩。我一度以为是脚本写得不对，换了三种写法都没用。真正的结论是：在 1.3GB 内存、swap 全满的机器上，浏览器自动化注定失败——不是代码问题，是物理问题。更值得记的是第二层翻车：当时得出的「必须借浏览器上下文」这个结论本身就是错的，而它被固化进了代码，白折腾了一周。
定时任务连续几天不出活，日志里却看不出错——这是跑 LLM 自动化最常见的一种失败。本文是我排查一个每日定时任务的完整记录，两个真实根因：推理型模型的 token 预算被思维链烧穿（实测 4096 下 2/6 空回复、8192 下 0/6），以及框架的「模型漂移保护」fail-closed 静默跳过任务。附复现方法、修法和一份模型横向压测表。
静态站改完内容部署后线上还是旧页面，排查半天发现根因是宝塔 nginx 的全局代理缓存。一篇讲透判断方法和治本方案。
