KWS 与流式识别同时触发时，合并正在执行的关闭流程，并让取消标记先于网络请求生效。
区分服务端收尾、播放进度和客户端尾部缓冲，用三态回声保护与轮次关联恢复语音监听。
从停监听到释放采集资源，用引用计数管理共享音频上下文，并等待旧媒体连接完成断开。
用 schema 校验已知字段，再将已知、漂移、未知类型和格式错误分开处理，保留协议升级的兼容路径。
AI 系统里最贵的故障不是崩溃，是静默降级。配置描述意图，运行时才说明事实。
一行遗漏的条件判断，让 GPU 模型跑在 CPU 上。从 12.80ms 到 3.95ms 的排查过程。
脚点、轨迹和死区：把「有人经过」变成稳定、可解释的跨线事件。
让小模型只做意图分类与槽位抽取，把坐标、资源和实时知识交给工具层。
一个 ROI 字段跨越前端、API、队列与引擎。让同名字段在每层保持同义。
关键词、语义检索与大模型逐层协作，让判断快，也让失败可解释。
状态字段、生成 SQL 与互斥条件：一次功能上线却全部未命中的排查。
容器切换网络模式之后，熟悉的回环地址成了另一个「本机」。
先修收集错误，再清理失效用例，最后复用重量级资源，把测试耗时从 747 秒降至 100 秒。
按职责划边界，把 72 个超长文件拆开，并用工具守住结构。
画布状态与业务图状态各有职责：让连线真正成为可执行的数据流。
旧版站点的零依赖实践，以及迁移到 SvelteKit 静态工程后的新边界。