SuperAPI AI 工具集

diagnose

通用与其它

查看项目

更新于 10-16 05:44

技能介绍

用途:为难以定位的 Bug 和性能回归提供一套有纪律的诊断循环,避免靠盯代码猜测。流程为:建立反馈回路 → 复现 → 提出假设 → 插桩 → 修复 → 回归测试;只有明确说明理由时才可跳过阶段。探索代码库时应使用项目领域术语表建立模块心智模型,并查看所涉区域的 ADR。

主要能力:第一阶段是核心,要求构建快速、确定、可由智能体运行的通过/失败信号,可用失败测试(单元/集成/e2e)、curl 或 HTTP 脚本、带固定输入的 CLI 对比快照、Playwright/Puppeteer 无头浏览器脚本、回放抓取的 trace、一次性最小化 harness、属性/模糊测试、二分 harness、新旧版本差分循环,最后才用 scripts/hitl-loop.template.sh 驱动人工点击。回路本身要持续优化:更快、信号更锐利、更确定。非确定性 Bug 的目标不是干净复现,而是提高复现率。

使用方式:第二阶段运行回路确认复现的是用户描述的症状;第三阶段先列出 3–5 个可证伪的排序假设并展示给用户;第四阶段每个探针只对应一个预测、一次只改一个变量,优先调试器/REPL,日志加唯一前缀如 [DEBUG-a4f2];性能回归先建立基线测量再二分。第五阶段先写回归测试再修复,但仅在存在正确接缝时;若无正确接缝,这本身就是发现,应记录并转交 /improve-codebase-architecture。第六阶段清理插桩、删除原型、在提交信息中写明正确假设。

适用场景:疑难 Bug、间歇性故障、性能回归。限制:若确实无法建立回路,应停下并明确说明,列出尝试过的方法,向用户索取可复现环境、抓取产物或临时生产插桩许可,不得在无回路时进入假设阶段。具体收费、平台支持等信息暂未提供。