本周我学到的 5 件事
我运营着 AI 目录网站和一套 YouTube 自动化流程。本周，我遇到了几个摩擦点。以下是我通过调整总结出的五点教训。
1. 控制你的 CI 成本
我的 Bluesky 发布脚本一直在浪费 GitHub Actions 的分钟数。每一次发布都会触发三个网站的大规模构建流程。我每周要在简单的状态更新上花费 120 分钟。
我做了两项改动：
- 我将每天三次的触发改为每天仅触发一次。
- 我添加了路径过滤器，这样文本编辑就不会触发整个网站的重新构建。
不要让琐碎的任务耗尽你的自动化配额。在项目规模扩大之前，先修正这些习惯。
2. 为自动化添加质量控制
我在队列中发现了 17 条听起来像机器人的帖子。它们使用了诸如“自动生成”之类的短语，这与我的个人品牌形象不符。
我在流水线中增加了一个 QC（质量控制）环节。这一步会检查帖子是否存在以下问题：
- 损坏的链接。
- 过时的新闻。
- 机械化或垃圾信息的语气。
如果帖子未通过检查，它会留在队列中等待人工审核。我现在发布频率降低了，但质量更高了。
3. 简单有时胜过优化
我尝试去掉了 AI 模型路由。我以前会将简单任务发送给廉价模型，将复杂任务发送给昂贵模型。
移除路由后，我发现：
- 延迟保持不变。
- 成本上升了 8%。
- 代码变得简洁得多。
为了避免调试路由错误，这 8% 的成本增加是值得的。在小规模阶段，复杂性带来的成本比节省的 API 费用更高。
4. 注意授权许可
我使用 Openverse 为我的 YouTube 工具添加了图片幻灯片。默认结果包含许多不同类型的 Creative Commons 许可。
如果你不筛选 CC0 或 PDM 许可，你可能会使用需要注明出处的图片。对于已获利的频道来说，这是一个法律风险。务必在 API 请求的上游进行过滤，以避免意外的版权问题。
5. 监控工具取决于易用性
我测试了 Netdata、SigNoz 和 OpenObserve。
- Netdata 很简单，开箱即用。
- SigNoz 需要你使用 OpenTelemetry 对代码进行埋点。
- OpenObserve 处理日志非常出色，但学习曲线较陡。
对于我目前的配置，这些工具显得有些大材小用。我转而选择了一个简单的错误告警集成。选择适合你当前基础设施的工具，而不是最复杂的那个。
来源：https://dev.to/morinaga/5-things-i-noticed-this-week-ci-cost-bluesky-qc-and-cc0-licensing-49ig