用途：在不查看真实数据值的情况下，诊断数据库数据缺失或错误的问题。适用于排查由数据问题引发的 500 错误等场景。智能体负责提出假设并生成 SQL 查询，用户执行后只回报行数。
主要流程： 阶段 0 收集上下文：先理解产品层面预期输出，沿调用链（视图→控制器/解析器→服务→查询）回溯到数据库，找出负责该输出的查询、连接或过滤条件；只询问代码无法回答的信息，如范围、起始时间、可用的正常示例。 阶段 1 生成假设：基于上下文提出 3-5 个可证伪的假设，标注 A、B、C，不使用通用清单。 阶段 2 编写查询：所有查询放在一个可复制块中，每条注明假设、PASS 与 FAIL 的行数预期，使用有意义的列；若有正常示例，可加对照组查询。 阶段 3 评估：用户只回报行数，据此判定 CONFIRMED、REJECTED 或 INCONCLUSIVE；不确定时逐步移除 WHERE 条件缩小范围。 阶段 4 修复与验证：仅在至少一个假设被确认后才提出修复，修复后用同样格式的验证查询确认行数符合预期。 阶段 5 迭代：若全部被否决，则逐层深入（源/种子数据→配置/查找表→映射/翻译表→连接/成员表→聚合/反规范化表→应用层读取），生成新一批假设。
规则：不使用 COUNT(*) 和 SELECT 1；WHERE 选择性不足时加 LIMIT 20；尽量使用对照组；每轮只交付一个查询块；不假设数据正确，独立验证每一环。
限制：资料未提供具体数据库类型、依赖工具或安装方式。