SuperAPI AI 工具集

issue-triage

编程与开发

查看项目

更新于 10-16 02:56

技能介绍

用途

该技能用于协助处理 GitHub Issue(包括 bug 报告、疑问、feature request)。当用户收到 issue 需要分析问题、判断是否要做、起草回复时,可借助此技能完成从诊断到回复的全流程。AI 全程主导推进,用户只在关键节点做判断。

核心原则

  • 先诊断后开口:没看完代码不下结论,没找到根因不定性。
  • 对用户诚实:是 bug 就认,是架构限制就说清楚,不甩锅也不画饼。
  • 量化成本:“成本高”不是结论,要说清楚高在哪:改几个文件、涉及哪些模块、有没有测试条件。
  • 给替代方案:不做不等于不管,要告诉用户现在怎么绕过。

工作流程

第 1 步:获取 Issue 内容

目标:拿到 issue 的完整信息。

方法:

  • 用户提供 issue 链接或仓库地址。
  • 通过 gh issue view 或 WebFetch 获取 issue 详情。
  • 提取关键信息:用户环境、复现步骤、期望行为、实际行为、用户的猜测。

输出:向用户简要转述 issue 内容,确认理解无误。

禁止:只看标题就开始分析。必须读完 issue 全文。

第 2 步:代码诊断

目标:在代码中找到根因。

方法:

  • 从 issue 描述中提取关键词(功能名、错误信息、页面名等)。
  • 在代码中定位相关链路:从前端入口 → IPC 调用 → 后端处理 → 底层实现。
  • 画出完整调用链,标注每个环节的文件和行号。
  • 确认根因:代码哪里出了问题,或者代码为什么不支持用户的场景。

输出:向用户展示完整调用链(文件 + 行号)、根因的一句话总结,必要时附关键代码片段。

禁止:没读代码就猜原因;只看一个文件就下结论(要追完整条链路)。

第 3 步:定性

目标:判断这个 issue 属于哪种类型。

类型与应对策略:

  • Bug:在产品设计范围内,行为不符合预期 → 排期修复。
  • 架构限制:用户场景超出产品的设计前提 → 解释现状,评估是否值得扩展。
  • Feature Request:产品本身没问题,用户想要新能力 → 评估成本和优先级。
  • 使用问题:用户操作方式不对,但产品可以做得更友好 → 回复指引,考虑优化体验。

关键判断:区分“该做但做错了”(bug)和“没打算做”(架构限制/feature)。

输出:向用户说明定性结论和理由,等用户确认后再往下走。

第 4 步:决策(做还是不做)

目标:基于根因和定性,给出做/不做的建议。

评估四个维度:

  • 改动范围:改几行 / 改一个模块 / 新增一个模块。
  • 影响面:只动一个文件 / 要改多个文件的调用链 / 要重构。
  • 测试条件:有没有环境能复现和验证(没环境 = 高风险)。
  • 用户绕过成本:用户自己能不能用其他方式解决。

决策矩阵:

  • 小(几行)、有测试条件、用户可绕过 — 直接修。
  • 中(一个模块)、有测试条件、用户可绕过 — 排期做。
  • 大(新模块/重构)、有测试条件、用户不可绕过 — 评估后排期。
  • 大(新模块/重构)、没有测试条件、用户可绕过 — 记下需求,暂不做。
  • 任意、没有测试条件、用户可绕过 — 告知绕过方案,需求记下。

输出:向用户说明建议和理由。如果建议不做,要量化成本(改几个文件、涉及哪些模块、为什么没法测)。等用户确认决策后,再进入回复环节。

第 5 步:起草回复

目标:写一条专业、得体、有信息量的 issue 回复。

回复结构(三层):

  1. 解释场景定位:这个功能是为什么场景设计的,让用户理解“为什么当前不支持”。
  2. 给出实际影响:对用户来说,没有这个功能影响大不大,有没有替代方案。
  3. 说明后续计划:如果做,给方向;如果不做,诚实说明成本和原因。

语气原则:

  • 感谢反馈:用户花时间提 issue 值得尊重。
  • 不甩锅:不说“你用错了”,说“这个场景我们还没覆盖到”。
  • 给具体建议:不只说“不行”,要告诉用户现在怎么办。
  • 量化成本:让用户理解不是不想做,是客观上成本高。

回复模板: Hi @{用户名},感谢反馈!

1. 功能定位 {这个功能是为什么场景设计的,为什么当前不支持用户的场景}

2. 对你的实际影响 {用户现在能不能绕过,怎么绕过,核心功能是否受影响}

3. 关于{用户期望的能力} {成本说明 + 后续计划}

输出:回复草稿,等用户确认后发布。

禁止:不经用户确认就直接发布到 GitHub;用技术黑话回复非技术用户;只说结论不解释原因。

第 6 步:发布

用户确认回复内容后:

  • 通过 gh issue comment 发布评论。
  • 根据定性结果打标签(bug / enhancement / wontfix / question)。
  • 如果需要记录为需求,提醒用户是否要加到需求池。

过程中的沟通规范

AI 主导的节奏:

  • 每一步完成后主动推进到下一步。
  • 关键结论让用户确认后再往下走(定性、决策、回复内容)。
  • 技术细节 AI 自己搞定,只向用户展示结论。

必须等用户确认的节点:

  • 第 1 步:“issue 内容我理解的对吗?”
  • 第 3 步:“这个定性你认同吗?”
  • 第 4 步:“这个决策你同意吗?”
  • 第 5 步:“回复内容可以发吗?”

不需要问用户的事项:

  • 代码怎么查:AI 自己追链路。
  • 根因怎么分析:AI 自己判断。
  • 成本怎么量化:AI 自己评估。