错误分析与根因诊断

要解决什么问题

生产里反复出现的 5xx、跨服务调用超时、或只有一句「Connection refused」却找不到责任服务时，排查往往停在猜依赖、翻散日志之间。本技能把分布式系统调试和生产事故分析当成一条可重复的工作流：从错误上下文出发，用证据收敛到根因，而不是堆临时补丁。

技能如何工作

• 收集上下文：对齐时间戳、受影响服务、错误消息与堆栈，明确 $ARGUMENTS 所界定的分析范围（特定 trace、日志片段或故障模式）。
• 复现与缩小范围：用有针对性的实验复现或二分依赖，避免在全链路盲搜。
• 根因与验证：区分症状与根因，用日志、结构化日志、分布式追踪和可观测性数据交叉验证。
• 修复与预防：给出修复思路、测试用例与可观测性/错误处理改进；需要完整检查清单时可参照 bundled 的 resources/implementation-playbook.md。

适用边界与注意点

• 适合：调查生产事故、跨服务 RCA、设计可观测性与错误处理改进。
• 不适合：纯功能开发、无法访问错误报告/日志/追踪、与可靠性无关的问题。
• 安全：未经批准且没有回滚计划不要在生产改配置；共享诊断材料时对密钥与 PII 做脱敏。