用途：系统化调试客服场景中的 AI 智能体问题，定位错误回复、工具/函数调用错误、对话循环、性能异常等故障的根因。
主要能力：提供四个可直接运行的 Python 分析脚本。analyze_conversation.py 分析角色分布与消息模式；detect_loops.py 检测精确循环、模糊模式、卡死状态与来回往复对话；analyze_tool_calls.py 分析工具使用模式并按 schema 校验、检测错误与重试循环；analyze_performance.py 统计延迟、识别慢响应。另附 debugging-patterns.md（常见故障模式与解决方案）和 agent-best-practices.md（设计与实现最佳实践）两份参考文档。
使用方式：先收集对话日志、API 请求/响应日志、工具执行日志、智能体配置与问题描述；再按症状运行对应脚本，例如 python scripts/analyze_conversation.py <log_file>、python scripts/detect_loops.py <log_file> [--threshold 2] [--window 5]、python scripts/analyze_tool_calls.py <log_file> [--schema tool_schema.json]、python scripts/analyze_performance.py <log_file>；随后解读输出、对照调试模式、给出修复建议与预防措施。脚本优先接受结构化 JSON 日志，analyze_conversation.py 可自动识别并解析常见文本格式。
适用场景：智能体回复错误或不相关、工具未被调用或调用错误、对话陷入循环、性能缓慢或不稳定、工具执行失败、需要分析对话日志或 API 追踪时。
限制：资料未提供脚本的安装方式、依赖要求、支持的具体日志格式范围、收费与平台信息，均暂未提供。