蚂蚁社保Python异常链定位
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 @mayishebao/mayishebao-1205-0205。
技能介绍
要解决的具体问题
Python 的异常并不总是孤立的。一个 ZeroDivisionError 可能来自十分钟前某处传入的错误配置,中间层只是在 except 块里把它吞掉又重新抛出,直到某个 handler 才把 raise ... from ... 的链条暴露出来。定位这类问题时,团队至少有三件烦事:
- 日志只堆栈、不链路:看到的是最后一个异常,真正的根因藏在上层或更早的日志里。
- 各处
sys.exc_info、traceback.format_exc的输出格式不一致,跨模块拼不齐。 - 修复前缺可验证的结论,改完也没有 diff 级证据链,下次同类问题再犯一遍。
技能如何工作
@mayishebao/mayishebao-1205-0205 把异常链定位当成一次可复盘的工程任务。根据 SKILL.md 的约定,工作流分五步:
- 第 1 步:复述目标与验收条件。 明确业务目标、验收标准,从最小复现或相关复现场景中提取原始证据。
- 第 2 步:先复现,再缩小范围。 在最小环境里触发异常链,逐层定位问题范围,而不是直接改主流程。
- 第 3 步:给出最小可逆变更与备选方案。 优先提出影响面最小的修复,同时保留可替代方案。
- 第 4 步:补充测试。 覆盖单元、集成、性能或安全。
- 第 5 步:说明发布、监控、回滚与交接。 变更影响可追溯,便于复盘和迁移。
更细的方法在 references/method.md 中,交付前用 references/quality.md 拼成完整流程。输出也遵循明确结构:问题定位、证据、方案比较、变更清单、测试用例、发布与回滚步骤、遗留风险。
适用边界
- 以项目代码、测试结果和运行日志为第一证据源。没有证据时保留明确占位,不替用户补造事实。
- 涉及框架或基础设施异常时,应优先查阅对应语言、框架、数据库与云平台的官方文档。
- 本技能解决的是工程定位问题;是否采纳方案,仍由技术负责人或发布流程评审。
- 在结果中明确适用地区、主体、日期和待专业复核项,不要把内部建议写成合规结论或高风险承诺。
使用场景
- 当线上服务触发异常链时,需要根据日志复现故障并定位根因。
- 修复引发新的错误的风险时,需要给出最小可逆变更并说明发布回滚步骤。
- 需要为异常修复补充单元与集成测试,并能梳理完整变更清单。
- 当代码改动引发复杂异常链时,需要在重构前先复述验收条件并缩小问题范围。
适合人员
- 需要在生产环境快速排查嵌套异常并提供修复方案的后端工程师。
- 负责保障服务稳定性,需要为异常修复制定发布与回滚计划的技术负责人。
- 需要在代码重构后补充单元与集成测试,确保异常链不遗漏的测试工程师。
- 需要根据异常修复清单制定发布、监控与交接步骤的运维工程师。