用途
本技能面向需要证据驱动调试的场景：当出现可复现的失败或间歇性事故，且需要将现有遥测数据与源码、部署变更进行比对后再打补丁时使用。若任务与错误诊断智能调试无关，或需要本范围之外的领域或工具，则不应使用。
主要能力
- 初始分诊：错误模式识别、堆栈跟踪分析并给出可能原因、组件依赖分析、严重程度评估，生成 3-5 个排序假设并推荐调试策略。
- 可观测性数据收集：针对生产/预发问题，收集错误跟踪（Sentry、Rollbar、Bugsnag）、APM 指标（DataDog、New Relic、Dynatrace）、分布式追踪（Jaeger、Zipkin、Honeycomb）、日志聚合（ELK、Splunk、Loki）、会话回放（LogRocket、FullStory），并查询错误频率/趋势、受影响用户群、环境特定模式、相关错误/警告、性能退化关联、部署时间线关联。
- 假设生成：每个假设包含定性置信度及可改变它的证据（不编造校准概率）、来自日志/追踪/代码的支持证据、证伪标准、测试方法、若成立时的预期症状。常见类别包括逻辑错误、状态管理、集成失败、资源耗尽、配置漂移、数据损坏。
- 策略选择：交互式调试（本地可复现）、可观测性驱动（生产问题）、时间旅行（复杂状态问题）、受控故障复现（隔离测试环境与有界授权故障，绝不推断生产混沌测试权限）、统计方法（小比例案例，如 Delta 调试）。
- 智能插桩：建议最佳断点/日志点位置，包括受影响功能的入口点、行为分歧的决策节点、状态变更点、外部集成边界、错误处理路径；在生产类环境使用条件断点和日志点。
- 需审查的生产技术：动态插桩（OpenTelemetry span、非侵入式属性）、特性开关调试日志、基于采样的性能分析（Pyroscope）、只读调试端点（需认证与限流）、渐进式流量切换（金丝雀部署调试版本至 10% 流量）。这些操作具有隐私、成本与可用性影响，应用前须确认授权、数据脱敏、时长、回滚与目标。
- 根因分析：完整执行路径重建、决策点变量状态跟踪、外部依赖交互分析、时序图生成、代码异味检测、相似缺陷模式识别、修复复杂度评估。
- 修复实现与验证：生成代码变更、影响评估、风险等级、测试覆盖需求、回滚策略；修复后运行测试套件、性能对比、金丝雀部署监控错误率、AI 代码审查。成功标准为测试通过、无性能退化、错误率不变或下降、未引入新边界情况。
- 预防：生成回归测试、更新知识库记录根因、为类似问题添加监控/告警、在运行手册中记录排查步骤。
使用方式
技能以 $ARGUMENTS 接收待处理问题，解析其中的错误消息/堆栈跟踪、复现步骤、受影响组件/服务、性能特征、环境（开发/预发/生产）、失败模式（间歇/持续）。按工作流依次执行初始分诊、可观测性数据收集、假设生成、策略选择、智能插桩、根因分析、修复实现、验证与预防。输出结构化报告，包含问题摘要（错误、频率、影响）、根因（含证据的详细诊断）、修复提案（代码变更、风险、影响）、验证计划、预防措施。
适用场景
- 可复现的失败或间歇性事故需要证据驱动调试。
- 需要在打补丁前将现有遥测数据与源码及部署变更进行比对。
限制
- 本入口未捆绑任何支持脚本或参考文件；工具可用性与真实追踪结果必须在当前环境中核实。
- 仅在任务明确匹配上述范围时使用。
- 不得将输出视为环境特定验证、测试或专家审查的替代。
- 若缺少必需输入、权限、安全边界或成功标准，应停止并请求澄清。
- 文中示例（如结账超时案例中的辅助函数、span 与指标）为假设场景的伪代码，未捆绑任何实现、遥测集成或实测改进；不得将示例数字作为观测证据报告。