分布式系统
由多个独立计算节点组成的计算机系统，节点间通过网络协调完成共同任务，面临一致性、可用性与分区容错性的权衡挑战
核心事实
时间轴 (近 90 天)
延迟是分布式系统中最敏感的探针之一，因为连接池耗尽、下游依赖抖动、冷启动都会先在 P99 延迟上留下痕迹，往往早于错误率飙升。
‘恰好一次执行’是分布式系统里的强保证，指同一操作无论被触发多少次，最终只产生一次效果；绝大多数平台默认提供的是‘至少一次’。
传统分布式系统的重试和检查点机制建立在相同输入产生相同输出的假设之上，而智能体的每一步推理可能因采样温度、上下文窗口变化或外部工具返回差异而走向不同分支。
在传统的每个参与方各写各的开发模式中，协议一致性无法被编译器保证，死锁与角色错配难以静态发现。
让任务认领过期并不能真正阻止旧进程继续运行，旧进程可能仍在执行它以为属于自己的写入
一次读取返回空值不足以判断外部写入操作失败，因为读取本身可能存在延迟或不一致
外部写入操作超时并不能告诉你操作是否成功，因为请求可能已抵达并执行，只是确认信息在返回路上丢失
分布式系统中容错机制本身有时会成为故障扩散的放大器
多Agent并发编辑同一文件会导致「更新丢失」（lost update）问题，即后保存的修改覆盖先保存的改动
入门分布式系统的建议学习路径为：先理解为什么分布式系统难，再学习共识与复制机制，之后接触实际系统架构案例，最后动手实现简化版分布式服务
还有 13 条时间轴事件
全部知识事实 (20)
生产级AI Agent的大多数问题不在模型本身，而在系统
70%待验证指数退避是分布式系统中的经典容错策略，当请求失败时客户端按指数级增长的时间间隔等待(如1秒、2秒、4秒、8秒)，并加入随机抖动避免惊群效应
60%待验证在涉及第三方AI服务商的分布式场景下，传统的ACID事务无法跨越系统边界
60%待验证延迟是分布式系统中最敏感的探针之一，因为连接池耗尽、下游依赖抖动、冷启动都会先在 P99 延迟上留下痕迹，往往早于错误率飙升。
50%待验证‘恰好一次执行’是分布式系统里的强保证，指同一操作无论被触发多少次，最终只产生一次效果；绝大多数平台默认提供的是‘至少一次’。
50%待验证传统分布式系统的重试和检查点机制建立在相同输入产生相同输出的假设之上，而智能体的每一步推理可能因采样温度、上下文窗口变化或外部工具返回差异而走向不同分支。
50%待验证在传统的每个参与方各写各的开发模式中，协议一致性无法被编译器保证，死锁与角色错配难以静态发现。
50%待验证让任务认领过期并不能真正阻止旧进程继续运行，旧进程可能仍在执行它以为属于自己的写入
50%待验证外部写入操作超时并不能告诉你操作是否成功，因为请求可能已抵达并执行，只是确认信息在返回路上丢失
50%待验证一次读取返回空值不足以判断外部写入操作失败，因为读取本身可能存在延迟或不一致
50%待验证分布式系统中容错机制本身有时会成为故障扩散的放大器
50%待验证多Agent并发编辑同一文件会导致「更新丢失」（lost update）问题，即后保存的修改覆盖先保存的改动
50%待验证入门分布式系统的建议学习路径为：先理解为什么分布式系统难，再学习共识与复制机制，之后接触实际系统架构案例，最后动手实现简化版分布式服务
50%待验证在设计弹性系统时应考虑何时停止重试，推荐实践包括为重试引入预算限制而非固定次数、在客户端和服务端同时部署断路器、所有重试逻辑带上退避和抖动、监控重试流量占比
50%待验证一致性模型、CAP 定理、故障检测、复制与分区是分布式系统经典文献中常见的重点主题
50%待验证分布式系统的复杂性来源于网络分区、节点崩溃、消息延迟或丢失、时钟无法完全同步等固有的不确定性
50%待验证多智能体系统的运维可靠性本质上继承了分布式系统的经典难题，需要主动设计幂等操作、引入分布式追踪并建立跨智能体的熔断与降级机制
50%待验证1800人协同拉绳的分布式协作与现代软件工程中的分布式系统和开源协作有精神共鸣
50%待验证多智能体系统本质上是一个分布式系统
50%待验证分布式系统的经典问题在AI Agent场景下同样存在，需借鉴成熟的分布式系统设计模式来解决
50%