SuperAPI AI 工具集

problem-dive

通用与其它

查看项目

更新于 10-16 07:23

技能介绍

Problem Dive 是面向「收到问题/异常/体验反馈」场景的问题深挖方法论,强调不直接动手修,而是先深挖、再求真、后落地。方法论与工具解耦,调研渠道、证据形态、项目语境均为运行时可适配参数。

触发时机:用户反馈「体验完毕/体验终止」、报错/卡住/失败/异常、要求先看日志或记录、询问「怎么回事」「根因是什么」时进入本流程。

核心原则:证据优先于印象;根因优先于症状;通用机制优先于特判;调研优先于直觉;项目语境优先于抽象;小步推进优先于大改;闭环优先于发散。

流程分五阶段十一步。阶段一现场还原:先读日志/记录/trace 还原现场,按时间顺序完整读会话找全问题,到早期对话与具体卡点深挖证据。阶段二根因深挖:现象→根因→根因的根因逐层追问「为什么」,同时区分直接诱因与潜伏条件;可选 RCA 工具包括 5 Whys、鱼骨图、故障树 FTA、Kepner-Tregoe IS/IS NOT;把假设变成可证伪预期并实测,倾向设计能推翻假设的实验,用二分/最小化验证而非穷举,每个根因至少找一条反例。追问与证伪是迭代循环;无日志或无法复现时显式标记 unverified,向用户索取复现路径,拿不到证据就不给根因结论。阶段三方案求真:拒绝兜底、特判与白名单穷举,找通用机制;通过至少两个互不依赖的渠道加官方文档、源码与实测交叉验证;把方案放当前项目与环境语境下检验;确认后追问是否记录、复用、单源统一。阶段四落地节奏:输出决策清单,列出每个问题的现象、根因与候选方案,由用户选择后从简单的一个一个来。阶段五闭环:持续盘点剩余未解决问题,按严重度列出。

流程贯穿确认偏差、锚定、可得性等认知偏差防御。输出形式为分析汇报、决策清单与未解决问题盘点表。反模式包括收到反馈直接改、只看局部、停在表面症状、用特判、单源调研、只找支持证据、不检验项目语境、一次改一堆、改完不复盘。与 systematic-debugging、problem-resolution-flow 相邻:反馈先走本技能,代码路径内调用前者,方案确认后移交后者落地。资料未提供具体安装命令与收费信息。