SuperAPI AI 工具集

systematic-debugging

编程与开发

查看项目

更新于 10-16 06:58

技能介绍

Systematic Debugging 是一个用于诊断和修复错误的系统性方法类技能,来源于 vstorm-co/pydantic-deepagents。它并不提供代码库或命令行工具,而是提供一套可遵循的调试流程与判断准则。

用途 它的目标是把“找 bug、改 bug”从随机试错变成有顺序、可检查的流程。核心是一条五步调试循环:

  1. REPRODUCE(复现) → 2. ISOLATE(隔离) → 3. DIAGNOSE(诊断) → 4. FIX(修复) → 5. VERIFY(验证)。 资料明确要求:不要跳过任何步骤,也不要反复猜测试错。

主要能力 该技能针对调试过程中的每一步给出了可执行要点。

复现阶段:运行失败的那条确切命令;捕获完整输出,包含 stdout 与 stderr;记录退出码、错误信息和堆栈跟踪;如果错误是间歇性的,找出每次运行之间的差异因素。

隔离阶段:确定触发错误的最小输入;通过自底向上读取 traceback 找出具体出错的代码行或函数;判断错误属于编译错误、运行时错误还是输出结果错误;判断错误是在所有输入上都出现,还是只在特定输入上出现。

诊断阶段:仔细阅读错误信息,并按错误类型确定排查方向。

  • 编译错误:看第一个错误,后面的错误常常是级联产生的。
  • 段错误(Segfault):看堆栈中最后一个函数,检查数组越界和空指针。
  • Python traceback:看最内层(最底部)的帧,同时关注中间帧以获取上下文。
  • 输出错误:对比期望值与实际值,例如使用 diff <(expected) <(actual)。
  • 超时或挂起:判断是死循环、死锁还是 I/O 受限,可加入计时器或计数器。 诊断阶段还建议加入最小化的插桩代码。资料给出的示例包括:C 语言中使用 fprintf(stderr, "reached checkpoint %d\n", LINE);,Python 中使用 print(f"DEBUG: {var=}", file=sys.stderr)。要点是检查中间值而不只是最终输出,并在修复后移除调试打印。

修复阶段:一次只改动一处;如果同一种方法失败三次,就改用完全不同的策略;不要添加临时绕过手段,而要修复根本原因。资料列举了常见根因:差一错误(循环边界、数组下标)、类型不匹配(int 与 float、有符号与无符号)、编码问题(UTF-8 与字节)、路径错误(相对与绝对路径、缺少结尾斜杠)、竞态条件(文件尚未写入、进程尚未启动)。

验证阶段:重新运行此前失败的同一条命令;用多种输入测试,而不只是失败的那一个;检查边界情况,如空输入、单元素、超大输入;运行已有的测试套件。

常见失败模式 资料还归纳了几类典型症状及排查方向。

  • “能编译但输出错误”:打印所有中间值;与已知正确的参考实现对比;检查整数溢出、浮点精度、字节序。
  • “小输入正常但大输入超时”:检查算法复杂度,注意 O(n²) 在一百万条数据上会导致超时;做性能剖析,找出最耗时的循环或函数;考虑重构为哈希表、排序或流式处理。
  • “本地正常但测试失败”:检查绝对路径与相对路径的差异;检查工作目录是否不同;检查输入格式与预期是否不一致;阅读测试脚本,弄清它实际检查的是什么。

使用方式 资料未提供该技能的安装命令、配置方法或调用接口,因此暂未提供。从内容形态看,它是一份可供开发者(或 AI 代理)在调试时遵循的步骤规范。

适用场景 适合用于排查编译失败、运行时崩溃、输出结果不正确、程序挂起或超时、以及本地与测试环境表现不一致等问题。也适合作为 AI 编码代理执行调试任务时的流程约束。

限制 资料未说明该技能支持的编程语言范围、是否附带自动化检查工具、是否有配套脚本,也未说明收费、价格或平台支持情况,这些内容暂未提供。