用途：针对失败或偶发失败的测试，回答三个问题：实际发生了什么、属于哪类失败、最小正确修复是什么以及由谁负责。以 Playwright 为首选输入，同时接受 JUnit XML 与重跑历史，支持 Jest、pytest 等运行器。核心原则是只诊断和提议，任何代码改动与隔离动作都需人工批准，避免用错误自动修复掩盖真实产品缺陷。
主要能力：按证据依次分类为 PRODUCT（应用损坏或间歇损坏）、TEST（测试假设错误）、ENVIRONMENT（基础设施问题）、DATA（输入不符预期）、UNKNOWN（证据不足）。要求每条分类至少引用两个独立信号，否则归为 UNKNOWN 并给出后续探测。输出每个失败测试一份报告，含分类、确定性、证据、修复建议、责任人与是否建议隔离，证据需引用具体文件、行号、trace 条目或运行编号。还提供按类别的修复手册与可选的隔离协议。
必要用法：先收集机器可读报告与 trace，例如 npx playwright test --reporter=json > pw-report.json；查看 test-results/ 与 playwright-report/；用 gh run list 获取同一提交的重跑历史；Jest 与 pytest 可用 junit.xml。若项目未采集 trace，建议先加入 trace: 'retain-on-failure'、screenshot: 'only-on-failure'、video: 'retain-on-failure' 与重试配置。随后提取确定性、尝试模式、失败位置、耗时、网络、控制台、隔离性与并行相关性等信号，可用 npx playwright test failing.spec.ts --repeat-each=10 --retries=0 --workers=1 做确定性探测。
适用场景与限制：适合已有 Playwright 报告、trace 或 JUnit XML 的团队排查不稳定测试，并帮助区分产品竞态与测试问题。限制在于不自动改代码、不自动隔离；缺少 trace 时只能给出低置信度结论；分类需至少两个独立信号，证据不足会明确标为 UNKNOWN 并建议探测方式，不臆测置信度。