教科书里的分布式数据库总是"正确地运行着"。但真正让数据库工程师着迷的，是它出错的时候—— 杀掉一个副本会怎样？数据长大了会怎样？节点下线时它怎么自救？
这里没有一张静态的架构图。八台演示台，每一步都能自己走、每个环节都能亲手做坏。 静态图只能告诉你答案，动手做坏才能让你自己发现答案。
全站 27 个页面不必都走一遍。如果时间有限，按下面三处看，就能看懂这个作品在做什么、凭什么不一样、好不好玩； 其余入口都由这三处延伸出去，随时可以从页内导航补齐。
一个机制，五种讲法：演示台亲手杀副本、下线节点、制造写写冲突；信息图把机制带走；视频让它能独立分发；协作复盘交代怎么保证没讲错；实测笔记把结论拿真机量了一遍。官方没公开的，一个字都不写。
创作方向：技术概念可视化 · 平凯 Loop 的实践 官方允许方向多选，本作品两个方向都有交付。
| 交互与前端代码 | Qoder 主力开发工具，全量生成并多轮迭代（HTML / CSS / JS） |
| 信息图 / 视频版面 | Qoder 生成，与交互版共用同一套视觉语法；图上全部文字为矢量排版锁定 |
| 多 Agent 协作与质量门 | 平凯 Loop 组建设计 / 开发 / 审阅 / 核验角色分工。核验角色持否决权，完整交代见「Loop 实践」页 |
| 视觉基调与图标 | 即梦 AI / 通义万相 生成"解剖台 / 机械剖面"风格底图与图标素材 |
| 技术文案初稿 | ChatGPT / Kimi 辅助生成解说文案初稿 |
| 社媒封面与分发素材 | Canva 可画 / 剪映 AI |
用了 AI 的部分：交互页面的代码、信息图与动态信息图的版面与动画、技术文案初稿、底图与图标素材。 AI 承担的是产出速度，这个作品能在一个赛事周期内做出五种形式，靠的就是它。
明确没有用 AI 的部分（三点）：
一、视频画面里没有任何一帧是生成模型画的。 全部由作品自己的帧渲染器矢量绘制、按帧号逐帧导出后合成 —— 没有用 AI 视频生成工具，也没有用 AI 生成音乐。
二、画面里每一个中文字都是排版出来的，不是模型"画"出来的。 生成模型画中文极易出现字形错误，而技术图里错一个参数名、错一个数字，整张图就失去意义。 所以画面中只让模型参与视觉基调与图标，凡是文字一律走矢量排版。
三、机制正确性与口径核验由人工逐条完成。 包括 69 项官方口径的逐条对照、2 处自我纠错、7 条"官方未列明故不写"的判定， 以及在三台真机上把机制逐条量一遍、并判定了三处"检查工具与实机不一致"—— 这部分无法外包给任何模型， 也是这个作品与"看起来很像对"的作品之间的分界线。 详见 核验实录 与 实测笔记。
本作品坚持一条铁律：写进画面的每一个数字，都必须在 TiDB 官方文档中找到出处，并标注文档链接与版本。 宁可少说，不说错。
这不只是一句声明 —— 分裂阈值到底是多少、Store 下线时经历哪些状态、 冲突检测发生在哪个阶段……八台演示台里带虚线的条目全部可以点击， 弹窗给出官方原文、适用版本与直达文档链接。全站共 69 项核验，任意一条都欢迎当场核对。
04 号（向量搜索与 HNSW 索引）同样照此办：最低版本要求、 支持的索引算法、支持的距离函数、 前置依赖 TiFlash —— 以及数据类型、召回率、预过滤限制、 annIndex 命中判断这些容易讲错的点，全部挂在演示台上，逐条可点。
仅在数量级上做了便于观察的压缩（如只渲染 1—6 个 Region），机制与流程保持一致。
点击任意虚线条目，查看官方原文、适用版本与文档链接。琥珀色虚线表示"官方未列明，因此本作品不写"。
查看完整核验实录 → 72 条核验明细、2 处自我纠错、7 条主动删除项、4 个自查发现的问题 —— 全部摊开，逐条注明官方出处。 自助核验包 → 不想相信我们？那就自己验一遍。五条路径按投入时间分层：30 秒点一个数字、3 分钟跑一次断言、 10 分钟自己去官方文档查、15 分钟自己重出图与片、20 分钟对着原始日志看真机 —— 也写清了这套方法核验不了什么。 实测笔记 · 三台真机 → 官方文档可以滞后、推导可以与实现不符 —— 所以我们在三台真机上装了一套 v8.5.7， 把机制逐条量了一遍。原始采集日志未经改写，每个数字都能点回那份日志； 还记下了三处「工具撒谎」：官方检查工具错了三次，对的都是实机。