会学习的代码医生
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_00c9b356/bug-fixer-ultimate
技能介绍
它解决什么问题
调试 Bug 时常有两类困难:一类是重复出现的低级模式,如 if x = y、可变默认参数、裸 except;另一类是复杂上下文中的修复失败,修完还可能破坏调用方。这个 Skill 把简单问题交给确定性规则,把复杂问题交给 Bash 驱动的小循环,并用反思记录避免重复犯错。
技能如何工作
- L1 确定性修复:直接匹配已知错误模式并执行修复,例如将
append([x])调整为extend([x])。 - L2 AI 推理:使用
grep、sed、python -c等命令定位、修改和验证,不依赖复杂框架 API。 - Reflexion 闭环:当命令失败、测试未通过或多次尝试未成功时,生成反思并追加到上下文,再尝试新策略。
- 文档记忆:将失败、经验和版本变化沉淀到
ERRORS.md、LEARNINGS.md、VERSIONS.md。 - 验证红线:修复后要求复现原错误消失、跑最小测试,并用
grep -rn检查调用点影响。
适用边界
它默认处于审核档,不替用户执行不可逆生产操作;涉及高危改动会标记待确认并给出回滚路径。若输入模糊、外部 API 不可用或建议与现实冲突,会先澄清、降级或标注不适用。若没有可用测试或调用点过多,它会把影响范围列为待确认项,而不是直接宣称安全。
使用场景
- Python 脚本反复因可变默认参数误行为,需要定位并修正函数签名与调用点。
- 用 grep 和 pytest 验证一处索引越界修复,确认原报错消失且没有新增警告。
- 多次修复仍失败时,把失败原因写入 ERRORS.md,再生成新策略继续排查。
- 改动函数默认值前,先列出所有调用点并评估是否需要回滚或补测试。
适合人员
- 维护 Python 后端脚本、需要把报错定位到具体函数并验证修复的工程师
- 使用 Bash 和 pytest 调试 CLI 工具、要求修复后跑通最小用例的工程师
- 希望在多次修复失败后沉淀经验、避免重复踩坑的代码维护者
- 需要评估函数签名改动影响范围、再决定是否回滚的技术负责人