用途：为 AI 智能体提供系统化调试方法论，避免猜测式修复，按“复现—隔离—诊断—修复—验证”流程定位根因并给出可靠修正。
主要能力：处理逻辑错误、运行时异常、竞态条件、内存泄漏、性能回退等缺陷，支持多语言与运行时。涉及技术包括堆栈跟踪（Python traceback、Java/JS 堆栈、Go panic、Rust backtrace）、日志（Python logging、JS console、结构化 JSON 日志）、调试器（pdb/ipdb、Chrome DevTools、gdb/lldb、dlv）、性能分析（cProfile、py-spy、Chrome Performance、pprof）、内存分析（tracemalloc、heapq、Valgrind、Chrome Heap Snapshots）、并发（线程转储、asyncio 调试模式、Go race detector -race）。
使用方式：提供有缺陷的代码片段或文件路径、完整错误信息或堆栈跟踪、预期与实际行为描述、复现步骤（命令、输入或用户操作）、失败前后的相关日志。上下文越充分，诊断越快越准。
适用场景：异步竞态、内存持续增长导致 OOM、间歇性 Heisenbug、仅生产环境出现的缺陷、第三方库或运行时问题、数据损坏类缺陷等。
限制与注意：无法复现的缺陷不应直接修复；一次只改一处；修复后应补充回归测试。环境相关缺陷需提供环境细节；依赖库问题需查变更日志与 issue；运行时自身缺陷需先排除应用层原因。资料未提供具体收费、平台与效果信息。