系统性调试与错误恢复

这个技能解决什么问题

当系统出现故障时，最常见的反应是「猜」：改一改配置、重启服务、换一种调用方式，然后祈祷问题消失。这种方式的代价往往不是修不好，而是修好之后没人知道为什么好。团队失去对故障的理解，同类问题会在另一个模块再次出现。

系统性调试与错误恢复 把排错变成一条可重复的流程，让 Agent 在面对失败时先收集事实，再形成假设，最后验证结论。

它如何工作

核心思路可以拆成四个阶段：

• 保留现场：在动手之前，先把错误输出、日志、相关配置和复现路径完整记录下来，避免修复过程中关键证据被覆盖或遗忘。
• 稳定复现：如果无法稳定触发失败，就无法确认根因。技能要求先把失败条件收敛到可重复的最小场景，例如固定输入、固定环境变量、锁定依赖版本。
• 隔离根因：在复现的基础上，用二分法、注释边界或对照实验逐步缩小可疑范围，把问题定位到具体模块、函数或配置项，而不是在整张调用链上来回试错。
• 验证修复：修复必须通过可观察的证据确认——test、build 或特定复现脚本重新跑通，而不是「看起来好了」。

适用边界与注意点

这个技能适合有明确失败信号的场景：测试挂了、构建报错、接口返回异常、日志出现 error 堆栈。它依赖项目本身具备可用的测试与构建命令，因此不适合没有任何自动化验证手段的裸项目。

需要留意两点：其一，技能替代不了对系统架构的理解，它能帮你缩小范围，但最终判断仍需开发者参与；其二，复现失败有时需要先补齐日志或监控，这一步本身就可能暴露出之前缺失的可观测性建设。