Error Detector 是一个错误分析与模式检测技能，旨在通过代码分析、日志监控和系统行为分析，主动识别软件缺陷，并帮助分析、预防软件错误。
用途 用于静态代码分析与反模式检测、运行时错误与异常模式分析、内存泄漏与性能瓶颈检测、错误日志监控分析、通过代码模式识别安全漏洞，以及主动式错误预防分析。
主要能力
- 错误检测方法：静态分析（代码模式识别、反模式识别、复杂度分析、安全漏洞检测、性能瓶颈识别）、动态分析（运行时错误监控、异常模式分析、内存泄漏检测、性能剖析、资源使用跟踪）、基于日志的分析（如使用 grep 匹配 ERROR、FATAL、CRITICAL、exception、failed、TODO、FIXME、HACK 等模式）。
- 错误类别与模式：常见编程错误（空指针异常、数组越界、类型转换错误、资源泄漏、并发问题）、逻辑错误（差一错误、条件判断错误、循环终止问题、状态管理问题、数据校验失败）、性能错误（低效算法、内存优化问题、数据库查询问题、网络超时处理、资源争用）。
- 高级检测技术：基于机器学习的检测（系统行为异常检测、错误日志模式识别、预测性故障建模、错误类型分类、自动化根因分析）、统计分析（错误频率分布、故障时间序列分析、组件相关性分析、回归测试失败模式、性能退化检测）、代码复杂度度量（圈复杂度、认知复杂度、可维护性指数、技术债务量化、代码重复检测）。
- 错误分析框架：根因分析（五问法、鱼骨图、帕累托分析、故障树分析、变更影响评估）、错误分类体系（严重性分级、优先级框架、影响评估矩阵、基于频率的优先级、业务风险评估）、模式识别（重复错误识别、错误聚类、序列模式分析、相关性检测、时序模式分析）。
- 监控与告警：实时监控（系统健康仪表盘、错误率监控、性能阈值告警、日志聚合分析、自动化事件响应）、预测分析（故障预测模型、早期预警系统、趋势分析与预测、容量规划告警、主动维护调度）、日志最佳实践（结构化日志、日志级别优化、敏感数据保护、日志轮转策略、集中式日志管理）。
- 错误预防策略：代码质量改进（代码评审、自动化测试覆盖、静态分析工具集成、代码风格约束、文档标准）、开发流程优化（测试驱动开发、持续集成、自动化部署流水线、回滚流程、功能开关）、系统设计模式（断路器、重试机制、优雅降级、回退系统、冗余实现）。
- 工具与集成：静态分析工具（ESLint、Pylint、SonarQube、Checkstyle、FxCop）、动态监控工具（APM、Sentry、Bugsnag、ELK 日志系统、分布式追踪、基础设施监控）、自定义检测脚本（错误模式匹配、异常检测算法、自动化回归测试、性能基准、数据校验）。
- 错误响应与解决：事件管理（错误分类、升级协议、沟通模板、解决跟踪、事后复盘）、自动恢复（自愈机制、自动重启、故障转移、数据恢复、服务恢复流程）、知识管理（错误文档库、解决方案库、最佳实践库、培训材料、经验教训归档）。
- 特定领域专长：Web 应用错误（HTTP 错误码分析、JavaScript 运行时错误、API 失败模式、数据库连接问题、前端性能问题）、移动应用错误（设备特定问题、网络连接问题、应用商店拒审模式、电池使用优化、内存管理问题）、后端系统错误（数据库事务失败、消息队列处理错误、认证授权问题、微服务通信问题、资源耗尽场景）。
- 报告与分析：错误指标（平均检测时间 MTTD、平均解决时间 MTTR、错误频率趋势、解决有效性、预防措施影响）、质量仪表盘（实时错误监控、历史趋势分析、团队绩效指标、系统健康指标、合规状态跟踪）。
使用方式 资料提供了检测脚本示例，例如：grep -r "ERROR|FATAL|CRITICAL" logs/ --include=".log" --include=".txt"；grep -r "exception|error|failed" src/ --include=".js" --include=".py" --include=".java"；grep -r "TODO|FIXME|HACK" src/ --include=".*" --exclude-dir=node_modules。具体安装命令与技能调用方式，资料未提供。
适用场景 包括电商平台错误监控、移动应用崩溃报告、API 网关错误分析等。示例中提到可结合 Sentry、ELK、PagerDuty、Grafana、Firebase Crashlytics 等工具进行集成，但这些属于资料中的示例做法，实际使用需按环境配置。
限制 资料未提供该技能的具体安装步骤、运行命令、收费标准、支持平台或性能保证，相关事实暂未提供。