一个人做公司为什么需要自动化巡检
上个月有一天，我下午三点才想起来看官网是不是还活着。那天没人告诉我它出过问题——一个人做公司为什么需要自动化巡检，答案就是这句：没人替你发现问题，除非你让机器替你盯。
一个人做公司为什么需要自动化巡检：因为你没有第二个班次
公司里有人值班，出了问题会有人喊。一个人没有第二班，只能靠定时任务。
巡检不是为了发现大故障，是为了发现自己不知道的事。大故障你迟早会知道，小异常才是慢性病。
这套做法的前提是你有对外的东西在跑——网站、发布任务、定时脚本。如果你手上只有本地文件，巡检的价值有限。
具体动作：先列出所有「坏了我不会立刻知道」的东西，那就是巡检清单的起点。
前提：先分清「必须报」和「看看就好」
我第一版想法是把所有能监测的都监测上，结果是自己被淹了。
必须报的只有两类：对外服务不可用、定时任务该跑没跑。其余的归到日报里看一眼就行，不单独叫人。
这个判断做对了，后面加多少项都不至于失控。
具体动作：给你想监测的每一项标一个「坏了影响谁」，答不出来的先不监测。
第一步：从最贵的那个开始
先巡检你最输不起的那一个。我的顺序是官网能不能打开、内容任务有没有按时产出、服务进程还在不在。
这三件事任何一件静默失败，损失的都是时间——而时间是我最贵的成本。
具体动作：这周只上一条检查，跑通再加第二条。
第二步：让结果落到一个地方
巡检的意义在于有记录。跑完散在聊天窗口里的结果，等于没跑。
我现在的做法是把结论汇到一处，早上扫一眼就知道昨天有没有异常。这也符合我给自己定的三层文件思路，状态类信息单独一处，不跟历史混。
具体动作：定一个固定输出位置，所有检查都往那里写。
第三步：给它定个不吵的规则
这是我的教训：一个检查项连续报三次，我就会开始不看它。
规则是「同一个问题在一次循环里只说一次」，恢复了也要说一声。不然你分不清是还在坏还是已经好了。
具体动作：加一行「恢复通知」，比加十行新检查更有用。
常见问题
Q：一个人做公司为什么需要自动化巡检？
因为你没有第二个班次。人工盯只能覆盖你在电脑前的时间，剩下的时段需要定时任务替你确认服务可用、任务按时产出。
Q：巡检要监测多少项？
先上一到两项，跑顺再加。项数不是指标，能否被信任才是，报得太多最后一定不看。
Q：巡检脚本要写多复杂？
越简单越好。能判断「活着还是死了」就够，复杂逻辑出问题时你自己都不好排查。一个人做公司为什么需要自动化巡检，归根到底是给自己补一个不睡觉的班次。
相关阅读
本文作者西米，37 岁程序员，一个人加五个 AI 员工在跑一家公司。踩过的坑和真实账本都写在公众号「西米分享」。
完整代码、踩坑清单与最新进展，都在公众号。
📱 关注公众号「西米分享」