调试AI助手

解决什么问题

日常 调试 时，最消耗时间的不是修改本身，而是把问题从「现象」还原到「可验证的假设」：

• 报错信息不明确，只知道“失败了”，不知道失败在请求构造、参数校验、网络层还是后端返回。
• 缺少上下文：调用链、复现条件、环境变量、版本差异没有整理清楚，导致反复试错。
• 定位与修复来回切换：一边查文档一边改代码，容易把问题复杂化或引入新的副作用。

该技能面向这些常见痛点，把调试过程拆成可执行的排查路径，帮助开发者更快得到可操作的建议。

技能如何工作

核心能力

• 围绕 调试、API、测试、dev 等场景，把模糊描述转成结构化排查清单。
• 按步骤组织信息：先澄清需求与复现条件，再给出分析与建议，最后输出可验证的行动项。
• 输出强调“针对性”：不泛泛而谈，优先给出与当前问题相关的检查点和参考方向。

工作流

1. 理解需求：确认问题边界，例如是接口异常、环境问题，还是代码逻辑问题。
2. 分析生成：基于输入信息生成排查思路与可能原因，必要时请求补充日志、请求/响应示例、复现步骤。
3. 组织结果：将原因、验证方式与修复建议分块呈现，减少来回跳转。
4. 输出建议：给出下一步动作，例如补充哪条日志、验证哪个假设、优先修改哪里。

适用边界与注意点

• 它不替代 调试器、抓包工具或 CI 反馈，而是提供“如何更有效地调试”的建议与组织方式。
• 质量高度依赖输入：建议尽量提供可复现条件、错误信息、调用路径、相关配置与版本信息。
• 信息不足时会礼貌追问；超出调试/开发范围时会明确说明，不会强行扩展成无关话题。
• 给出的方案需要结合自身系统约束进行验证，避免盲目套用。