该技能把调试变成受控调查：先复现，再隔离，提出假设，逐一测试，最后才修复，不做“散弹式”改动。语言或工具相关的命令与高级模式需按需查阅 references/debugging-toolbox.md。
核心流程：一、复现。明确精确步骤、预期与实际行为、频率（必现／间歇／特定环境）、最小可复现用例，以及提交、操作系统、运行时、依赖版本和配置等环境信息。无法复现时，应先补充可观测性，而不是改代码。二、隔离。缩小失败面：移除非相关输入，降低并发、缓存和外部服务影响，比较最后已知正常版本与当前版本，对代码、配置、数据或依赖变更做二分定位。三、形成假设。写出 2 至 5 个可能原因，每个说明为何能解释症状、什么证据可确认、什么证据可推翻、最便宜的验证方式；按“概率×测试成本”排序，而非按理论有趣程度。四、单变量测试。一次只改或只插桩一个变量，保留日志和命令；没有确认原因就修复，只是风险而非结果。五、验证并防止回归。修复后重跑最小复现，重跑相关测试，尽量补回归测试，记录根因及修复为何有效。
问题分流：Python 性能瓶颈转 python-performance-optimization；测试设计或 pytest 失败转 python-testing-patterns；反复出现缺陷的结构性问题转 python-design-patterns；Claude 相关提示或模型行为转 prompting-claude-models。
输出应包含：症状摘要、复现状态、已缩小的失败面、排序后的假设、确切的下一步诊断、修复验证计划、回归预防步骤。适用场景为排查 bug、偶发行为、崩溃等；限制是具体命令与高级模式未在本文展开，需查阅对应参考文件。