<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>AI Agent on Dylan's Log</title><link>https://j75689.github.io/blog/zh-tw/tags/ai-agent/</link><description>Recent content in AI Agent on Dylan's Log</description><generator>Hugo</generator><language>zh-TW</language><lastBuildDate>Sun, 25 Oct 2026 15:00:00 +0800</lastBuildDate><atom:link href="https://j75689.github.io/blog/zh-tw/tags/ai-agent/index.xml" rel="self" type="application/rss+xml"/><item><title>刪了，但還在：HackerRank Orchestrate 參賽心得</title><link>https://j75689.github.io/blog/zh-tw/posts/hackerrank-ghost-data/</link><pubDate>Sun, 25 Oct 2026 15:00:00 +0800</pubDate><guid>https://j75689.github.io/blog/zh-tw/posts/hackerrank-ghost-data/</guid><description>&lt;p&gt;最近參加了 HackerRank Orchestrate（2026 年 10 月），一場 24 小時的挑戰賽。這是我第一次參加，事前只知道可以用 Agent coding 輔助，覺得挺新鮮的。題目叫 &lt;strong&gt;Ghost Data Still Exists&lt;/strong&gt;（&lt;a href="https://github.com/interviewstreet/hackerrank-orchestrate-october26"&gt;題目 repo&lt;/a&gt;）。情境是一個電商平台：使用者要求刪除帳號，刪除流程回報「完成」，但他的資料其實還散在資料庫的副本、log、客服附件、搜尋索引、分析平台和備份裡。更麻煩的是，有些同步程式和備份還原會把刪掉的資料再寫回來。&lt;/p&gt;&#10;&lt;p&gt;要做的事是寫一個稽核 agent：對每一筆刪除請求，判斷它到底刪乾淨了沒（&lt;code&gt;COMPLETE&lt;/code&gt;、&lt;code&gt;INCOMPLETE&lt;/code&gt;，或根本不是刪除請求的 &lt;code&gt;NOT_APPLICABLE&lt;/code&gt;），然後列出還殘留的紀錄、修復步驟和事後要怎麼驗證。總共 518 筆請求，另外給了 32 筆附答案的 sample。&lt;/p&gt;&#10;&lt;p&gt;這篇想記錄的是我怎麼做出這套東西。但我覺得最有意思的，其實是做到一半開始從資料反推這套平台怎麼運作，然後一個一個找出它的設計缺陷。這部分放在後半段。&lt;/p&gt;&#10;&lt;h2 id="我不會寫-python"&gt;我不會寫 Python&lt;/h2&gt;&#10;&lt;p&gt;這要先講清楚。我平常寫 Go，Python 只看得懂。這次整套 pipeline 都是 Claude Code 寫的，我做的事是：決定方向、定規則、看它的結果對不對，覺得不對就跟它吵。&lt;/p&gt;</description></item><item><title>收不回來的 tool_call：從 2PC、Outbox、Saga 學怎麼只做一次</title><link>https://j75689.github.io/blog/zh-tw/posts/distributed-tx-patterns/</link><pubDate>Sat, 24 Oct 2026 10:00:00 +0800</pubDate><guid>https://j75689.github.io/blog/zh-tw/posts/distributed-tx-patterns/</guid><description>&lt;p&gt;最近在做自己的 agent ops 系統。設計 loop 和 tool_call 的時候，想到以前遇過的類似問題：&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;萬一這個 tool_call 發出去，是沒辦法回滾的操作呢？&lt;/strong&gt; 寄出去的信收不回，付出去的款要等退款，刪掉的資料可能已經沒有備份。那要怎麼保證它只做一次？&lt;/p&gt;&#10;&lt;p&gt;這個問題我不陌生。過去設計金融交易系統時，幾乎每天都在處理它，大致可以歸納成四件事：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;不能重複扣款&lt;/strong&gt;：同一筆請求，就算因為網路重送、重試而來好幾次，也只能生效一次。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;必須能回滾或補償&lt;/strong&gt;：做到一半失敗，已經做完的步驟要能被撤回，或至少有人能把它們收拾乾淨。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;要用唯一 key 來查詢與保證&lt;/strong&gt;：每一筆操作都要有識別碼，才能去問「這筆到底有沒有成功」。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;查不到的時候要人工介入&lt;/strong&gt;：有些狀況系統自己判斷不了，就該停下來交給人。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;把這四件事套到 tool_call 上，本質上就是一個高風險操作。所以我的第一個反應是：這類操作必須放一道 human review 的關卡。&lt;/p&gt;&#10;&lt;p&gt;但如果真的要讓系統自動執行，又該怎麼把傷害降到最低？這個問題讓我想起分散式系統裡三個常見的設計 pattern。這篇就當作複習，順便看看它們跟 agent 的關係。&lt;/p&gt;&#10;&lt;h2 id="先說清楚exactly-once-在哪裡做得到"&gt;先說清楚：exactly-once 在哪裡做得到&lt;/h2&gt;&#10;&lt;p&gt;在開始之前要先修正一個常見的說法。在不可靠的網路上，「傳遞恰好一次」（exactly-once delivery）基本上做不到。請求可能送到了但回應丟失，你不知道對方有沒有做。&lt;/p&gt;&#10;&lt;p&gt;真正能做到的組合是：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;at-least-once&lt;/strong&gt;：確保操作至少會被執行一次，失敗就重試。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;冪等（idempotent）&lt;/strong&gt;：同一個操作執行多次，效果等同於只執行一次。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;兩者加起來，得到的是「效果上恰好一次」（exactly-once processing）。換句話說，重點不是讓訊息只送一次，而是讓「送多次」也不會出事。這個觀念會貫穿後面三種 pattern。&lt;/p&gt;</description></item></channel></rss>