问答沉淀库

飞书超复杂文档（13 Sheet + 232 格内照片）1:1 极限复刻套路（流程 A+）

背景难点：整车测试类文档内嵌多张电子表格，单元格内密集插入数百张实拍照片和多位工程师手写签名，传统方式极易丢图或错位。

流程 A+ 四步法：

1. 解析内嵌 Sheet Block：拉取飞书云文档元数据，将嵌入 Sheet 完整转为 Markdown 表格；
2. 提取格内 fileToken：定位图片所在的行列索引，精准提取绑定的 fileToken 并下载高清原图；
3. 自动化脚本回填入格：编写 Python 脚本自动匹配坐标并填充 Markdown 相对图片标签，取代低效人工查图；
4. 局部签名与外观图裁剪：对测试工程师签名进行四周留白裁切，保证单元格内美观不撑大行高。

成效：一次性稳定合入 200 个文件，耗时从数小时压缩至脚本分钟级，实现原版 1:1 像素级还原。

2026-10-16 架构升级「AST 权威驱动」：OpenAPI blocks.json 作 100% 骨架与灵魂，浏览器通道退化为取图工具（白板画板仍靠截图）；backup 长图重定义为「在线原貌冷备份 + 视觉样式留底 + 浮动资产兜底」。四篇文档全量回归 0 文本缺失 / 0 破图。

长图截图视口自适应（宽表右列被切的根治）

根因：视口宽度写死 2200px，超宽表格实际内容右缘达 2543–3243px，超出部分第一帧即被物理硬切。修复：截图前动态探测所有 table/canvas/sheet/pre 及滚动容器的实际内容右边界，视口自适应扩展（实测 5720px）。通用教训：视口/画布尺寸先测量后设置，禁止写死。

数据类交付的打假四步工序

1. 用户点名可疑点（领域知识在用户手里：「这学校是电脑排位没有对口」）；
2. AI 全量重查（不做局部修补）；
3. 官方信源对照（教育局划片红线等一手文件）；
4. 数据契约质检收口（npm run validate 类门槛跑到满分）。

战果：拆除「35 个小区全员假冒一梯队」地雷（真一梯队仅 16 个）。核心判断：AI 能核对一致性，核对不了真实性。

glm-5.3-flash 报 read body failed（400）怎么排查

根因不是模型或配置：第 49 轮长对话历史 + 一次大输出 Bash 结果把请求体撑过网关上限。关键旁证法：失败请求与 73 秒前成功请求是同一个 queryId，中间只多了一次工具调用——增量定位一次锁定嫌疑。retryable=false 合理：请求就这么大，重发无效；处置 = 清理/压缩上下文。

Antigravity 报「tls: first record does not look like a TLS handshake」

程序经系统代理（本机 127.0.0.1:3067）访问 Google 接口时，代理回的第一段数据不是预期的加密握手——是代理那头连接失败，不是操作或 Google 服务的问题。排查顺序：确认端口上有程序在跑 → 测通过该代理访问外网 → 全程只读不改。

企业 SSO 单点登录的排他性铁律（多账号保活）

SSO 票据写在全局域（如 .nioint.com）上：同一个 Chrome Profile 里单点登录唯一排他——登了备用号，主号登录态就被顶掉；且 SSO 约 7 天绝对过期，服务端强制撤销。多账号保活正解：每个账号一个独立 Chrome Profile，且 7 天内做一次真实续命。

子 Agent 四分身体系怎么搭

分工设计（~/.zcode/agents/*.md 自动注册）：

1. code-reviewer：交付前审查关卡——只读复查、按严重度分级（必须修 / 尽快修 / 风格建议）、给行号定位和修法建议；
2. worker：批量机械活——便宜模型扛量，效率增强靠 TDD 流程与推理粒度调节；
3. frontend-developer：前端开发分身——内置技能路由（frontend-design、ui-ux-pro-max、web-artifacts-builder 等）；
4. frontend-visual-judge：网页视觉验收关卡——三层审查（硬伤 / AI 味 / 可用性）。

多电脑怎么同步 zcode 和工作文件夹

三通道分离法：

1. Git 主干：代码 / 文档 / 台账 / 全局规则 → GitHub 私有仓库（免费；冲突由 Agent 自动 rebase）；
2. 数据通道：35GB 飞书缓存 / 素材 / 视频 → Syncthing（局域网设备对设备加密直连，不走公有云）；
3. 本地缓存坚决不同步：临时 socket、会话 SQLite 数据库、npm 依赖禁止同步；
4. Windows 规范：强烈建议跑在 WSL（Linux 子系统）中，无缝兼容 Bash 脚本与 Mac 路径。

anatomy 式学法的实战闭环与交互调优

1. 用 anatomy 拆解概念架构，产出交互可视化（transformer.html、model.mjs）；
2. 看懂困难时要求中文重讲并加大讲解粒度；针对「图文重叠、动画速度过快」等视觉痛点，调大过渡时间并增加逐帧暂停控制；
3. 派子 Agent 独立检查「是否讲清楚了」，按检查结果再修。

指标置信度里程怎么算

1. 事件数 N = 测试里程 ÷ 效应量（km/次）
2. 95% 置信区间（相对半宽）= 1.96/√N
3. 信噪比(1σ) = 1/√N

实例：86 km/次 × 50,370 km → N = 586 → ±8.1% → 信噪比 4.1%。

子 agent 能不能指定模型

普通 Agent 工具调用的子 agent 不能临时改，写在 .zcode/agents/*.md 的 frontmatter 里；CreateWorkflow 脚本可通过 subagent_model 参数随意切换便宜或高端模型。

覆盖式导出截断的识别与修复

群消息骤降时（10910 → 345），先用旧备份 merge_history 合并存量，再用多标签页并发重滚修复。

双通道下载飞书文档的修复套路

• OAuth 通道版本会悄悄丢失 callout 高亮块，需与浏览器通道比对补回；
• 公式内换行（$E\n$）导致渲染失败，需清洗成 $E$；
• 404 判别法：用「登录态有效期 + 双通道独立验证」区分链接错误还是权限缺失。

ZCode 自动化与系统授权（TCC）的平台经验

macOS TCC 拦截 launchd 时，AI 同样拿不到授权，必须人工处理；判断纪律：「XX 自动化在跑」必须有 automation_runs 佐证，禁止脑补。2026-10-16 补充：outcome=failed 且无 error 字段时，交叉看该 run 的 session_id 在触发时刻的消息——prompt 已注入但 assistant 只回一条空消息 = 模型/网关层空响应失败，重试任务无用。