SuperAPI AI 工具集

troubleshooting

通用与其它

查看项目

更新于 10-27 14:31

技能介绍

用途:本技能用于引导用户系统化地诊断和解决问题,方法适用于任意领域,包括技术问题、流程失败和系统异常。当用户提出“调试这个”“排查一下”“为什么不工作”“出现错误”“怎么修”“某个东西不对劲”等问题,或描述异常行为、失败、性能下降、间歇性问题时,可启用本技能。

主要能力:

  1. 问题理解:先收集预期与实际表现、错误信息、可复现性、开始时间、近期变化、影响范围以及运行环境等关键上下文。
  2. 问题分类:按一致性分为持续出现、间歇出现和渐进恶化;按历史分为回归问题与从未正常;按范围分为普遍、环境相关和特定用户;按领域分为代码/逻辑、配置、数据、基础设施、集成和人工流程。
  3. 诊断信息收集:分析精确错误文本、堆栈和日志时间线,检查资源使用、服务状态和系统事件,并记录版本、配置、环境变量和网络等环境信息。
  4. 构建最小可复现案例:从干净状态记录步骤,剥离非必要环节,最小化输入,确保他人能按步骤复现。
  5. 假设生成与排序:枚举可能原因,按概率排序,形成“若 X 为因,则 Y 应成立”的可测试假设,并参考常见故障模式。
  6. 系统化测试:每次只改一个变量,从已知正常基线出发,验证各层假设,记录每次测试内容与结果。
  7. 二分排查:在版本、配置、数据范围、代码区域或时间范围中不断对半缩小问题空间。
  8. 差异诊断:对比正常与异常案例,逐步使正常案例接近异常案例,定位引入故障的变化。
  9. 根因分析:使用“5 个为什么”追问,区分症状与根因,并以“修复它能否防止问题再次发生”来验证。
  10. 修复验证与记录:回归测试复现案例和边界情况,检查性能与副作用,记录排障日志、RCA 报告和复现步骤。

使用方式:本技能以流程指南形式运作,收到排障请求后按“理解—收集—假设—设计测试—执行—识别根因—验证—记录”的顺序推进。技能内还提供辅助资源:诊断框架参考、信息收集参考、假设生成参考、领域特定故障模式参考;hypothesis_tracker.py 用于记录假设与测试结果,binary_search_helper.py 提供交互式二分排查指导,assets/templates/ 下提供排障日志、RCA 报告和复现步骤模板。

适用场景:软件代码调试、系统与基础设施故障排查、配置与依赖问题、数据格式或损坏问题、API 集成失败、流程与工作流缺失环节,以及间歇性或性能退化类问题。

限制与注意事项:资料未提供具体安装方式、运行环境要求或平台限制。技能强调避免一次改动多个变量、未验证即假设、跳过复现、只追单一假设、过早给方案、只治症状不治根因、归咎用户等反模式,并建议设定排查时间盒,在耗尽合理假设、超出专业范围、需要额外权限或问题位于外部系统时及时升级,并携带已尝试记录、复现案例和诊断信息。