ИИ‑Мониторинг, который работает и врёт
The author treats a script that crashes as a manageable problem, since the failure reaches a log and a Telegram alert and prompts a repair. A quieter failure is more troubling: a script can report every morning that 30 articles are ready for review while spending months on the wrong material. The automation runs on a small VPS that supports a small media operation with 31 scheduled tasks. Those jobs track comments and articles on outside platforms, Wordstat demand, new laws, backups and reminders. An AI agent performs most of the writing and editing, while the author assigns tasks and checks the results. Over six months, the author found a series of failures that produced healthy logs and timely reports even when their contents were empty or filled with nonsense. He says each of his five detection methods came from a real incident.
Упавший скрипт меня не пугает. Он падает, крон пишет в лог, в телеграм прилетает ошибка, я иду чинить. Неприятно, но честно. Пугает другое. Скрипт, который каждое утро бодро отчитывается «статей к проверке: 30», месяцами работает и месяцами обрабатывает не те данные. У меня на маленьком VPS живёт хозяйство небольшого медиапроекта: в кроне 31 задача. Дозоры за комментариями и статьями на чужих площадках, за спросом в Вордстате, за новыми законами, бэкапы, напоминалки. Пишет и правит всё это в основном ИИ‑агент, я ставлю задачи и проверяю. И за полгода я собрал коллекцию поломок, у которых одна общая черта: ни одна ничего не уронила. Лог выглядел здоровым, отчёты выходили по расписанию, а внутри был мусор или пустота. Ниже пять приёмов, которыми я эти поломки ловлю. Каждый выучен на конкретном случае. Читать далее