name: 系统化调试 description: 一个四阶段调试框架，确保在尝试修复之前进行根本原因调查。绝不跳跃到解决方案。 when_to_use: 当遇到任何错误、测试失败或意外行为时，在提出修复之前使用 version: 2.1.0 languages: 所有

系统化调试

概述

随机修复浪费时间并创造新错误。快速补丁掩盖了根本问题。

核心原则： 在尝试修复之前，始终找到根本原因。症状修复是失败的。

违反这个过程的字面意思就是违反调试的精神。

铁律

没有根本原因调查，就不要尝试修复

如果你没有完成阶段1，就不能提出修复。

何时使用

用于任何技术问题：

测试失败
生产中的错误
意外行为
性能问题
构建失败
集成问题

尤其是在以下情况下使用：

时间压力下（紧急情况容易诱使猜测）
“只是一个快速修复”看似显而易见
已经尝试了多个修复
之前的修复没有奏效
不完全理解问题

不要跳过当：

问题看似简单（简单错误也有根本原因）
你很匆忙（匆忙保证重新工作）
经理希望立即修复（系统化比混乱更快）

四个阶段

你必须完成每个阶段才能进入下一个。

阶段1：根本原因调查

在尝试任何修复之前：

仔细阅读错误消息
- 不要跳过错误或警告
- 它们通常包含确切的解决方案
- 完整阅读堆栈跟踪
- 注意行号、文件路径、错误代码
一致地重现
- 你能可靠地触发它吗？
- 确切的步骤是什么？
- 每次都发生吗？
- 如果不可重现 → 收集更多数据，不要猜测
检查最近的更改
- 哪些更改可能导致这个？
- Git差异、最近的提交
- 新依赖项、配置更改
- 环境差异

在多组件系统中收集证据

当系统有多个组件时（CI → 构建 → 签名，API → 服务 → 数据库）：

在提出修复之前，添加诊断工具：

对于每个组件边界：
  - 记录进入组件的数据
  - 记录退出组件的数据
  - 验证环境/配置传播
  - 检查每个层的状态

运行一次以收集证据，显示它在哪个环节中断
然后分析证据以识别失败的组件
然后调查该特定组件

示例（多层系统）：

# 层1：工作流
echo "=== 工作流中可用的秘密： ==="
echo "身份：${IDENTITY:+已设置}${IDENTITY:-未设置}"

# 层2：构建脚本
echo "=== 构建脚本中的环境变量： ==="
env | grep 身份 || echo "身份未在环境中"

# 层3：签名脚本
echo "=== 钥匙链状态： ==="
security list-keychains
security find-identity -v

# 层4：实际签名
codesign --sign "$身份" --verbose=4 "$应用"

这揭示： 哪个层失败（秘密 → 工作流 ✓，工作流 → 构建 ✗）

追踪数据流

当错误在调用堆栈深处时：

参见技能/根本原因追踪以获取向后追踪技术

快速版本：
- 坏值起源于哪里？
- 是什么用坏值调用了这个？
- 继续向上追踪直到找到来源
- 在来源处修复，而不是症状处

阶段2：模式分析

在修复之前找到模式：

找到工作示例
- 在同一个代码库中找到类似的工作代码
- 什么与损坏的类似且工作？
与参考比较
- 如果实现模式，完整阅读参考实现
- 不要略读 - 阅读每一行
- 在应用之前完全理解模式
识别差异
- 工作和损坏之间有什么不同？
- 列出每一个差异，无论多么小
- 不要假设“那不可能重要”
理解依赖
- 这需要什么其他组件？
- 什么设置、配置、环境？
- 它做出什么假设？

阶段3：假设和测试

科学方法：

形成单一假设
- 清楚地陈述：“我认为X是根本原因，因为Y”
- 写下来
- 具体，不模糊
最小化测试
- 做最小的可能更改来测试假设
- 一次一个变量
- 不要同时修复多个事情
在继续之前验证
- 它工作了吗？是 → 阶段4
- 没有工作？形成新假设
- 不要在上面添加更多修复
当你不知道时
- 说“我不理解X”
- 不要假装知道
- 寻求帮助
- 研究更多

阶段4：实施

修复根本原因，而不是症状：

创建失败测试用例
- 最简单可能的重现
- 如果可能，自动化测试
- 如果没有框架，一次性测试脚本
- 必须在修复之前有
- 参见技能/测试/测试驱动开发以编写适当的失败测试
实施单一修复
- 解决已识别的根本原因
- 一次一个更改
- 没有“既然我在这里”的改进
- 没有捆绑的重构
验证修复
- 测试现在通过了吗？
- 没有其他测试被破坏？
- 问题实际解决了吗？
如果修复不工作
- 停止
- 计数：你尝试了多少个修复？
- 如果 < 3：返回阶段1，用新信息重新分析
- 如果 ≥ 3：停止并质疑架构（见下面步骤5）
- 没有架构讨论，不要尝试修复 #4
如果3+个修复失败：质疑架构

指示架构问题的模式：
- 每个修复揭示新的共享状态/耦合/问题在不同地方
- 修复需要“大规模重构”来实现
- 每个修复在其他地方创造新症状
停止并质疑基础：
- 这个模式根本上是合理的吗？
- 我们是否“仅凭惯性坚持下去”？
- 我们应该重构架构 vs. 继续修复症状吗？
在尝试更多修复之前，与你的人类伙伴讨论

这不是失败的假设 - 这是错误的架构。

红旗 - 停止并遵循过程

如果你发现自己思考：

“快速修复现在，稍后调查”
“只是尝试改变X，看看是否工作”
“添加多个更改，运行测试”
“跳过测试，我会手动验证”
“可能是X，让我修复那个”
“我不完全理解，但这可能工作”
“模式说X，但我会不同地适应它”
“这里是主要问题：[列出修复而没有调查]”
提出解决方案之前追踪数据流
“再尝试一个修复”（当已经尝试2+次）
每个修复揭示不同地方的新问题

所有这些意味着：停止。返回到阶段1。

如果3+个修复失败： 质疑架构（见阶段4.5）

你的人类伙伴的信号你在做错

注意这些重定向：

“这不是发生吗？” - 你假设而没有验证
“它会显示我们…吗？” - 你应该添加证据收集
“停止猜测” - 你在提出修复而不理解
“深度思考这个” - 质疑基础，不仅仅是症状
“我们卡住了吗？”（沮丧） - 你的方法不起作用

当你看到这些时： 停止。返回到阶段1。

常见合理化

借口	现实
“问题简单，不需要过程”	简单问题也有根本原因。过程对简单错误很快。
“紧急，没有时间给过程”	系统化调试比猜测和检查混乱更快。
“先尝试这个，然后调查”	第一次修复设定模式。从一开始就做对。
“确认修复工作后写测试”	未测试的修复不持久。先测试证明它。
“一次多个修复节省时间”	无法隔离什么工作。导致新错误。
“参考太长，我会适应模式”	部分理解保证错误。完全阅读它。
“我看到问题，让我修复它”	看到症状 ≠ 理解根本原因。
“再尝试一个修复”（2+次失败后）	3+次失败 = 架构问题。质疑模式，不要再修复。

快速参考

阶段	关键活动	成功标准
1. 根本原因	阅读错误、重现、检查更改、收集证据	理解什么和为什么
2. 模式	找到工作示例、比较	识别差异
3. 假设	形成理论、最小化测试	确认或新假设
4. 实施	创建测试、修复、验证	错误解决、测试通过

当过程揭示“没有根本原因”时

如果系统调查揭示问题确实是环境相关的、时间依赖的或外部的：

你已经完成了过程
记录你调查的内容
实施适当的处理（重试、超时、错误消息）
为未来调查添加监控/日志记录

但： 95%的“没有根本原因”案例是不完整的调查。

与其他技能的集成

这个技能与以下技能合作：

技能/根本原因追踪 - 如何通过调用堆栈追踪回来
技能/深度防御 - 在找到根本原因后添加验证
技能/测试/基于条件的等待 - 替换在阶段2中识别的超时
技能/完成前验证 - 在声称成功之前验证修复工作

现实世界影响

来自调试会话：

系统化方法：15-30分钟修复
随机修复方法：2-3小时混乱
第一次修复率：95% vs 40%
引入新错误：几乎零 vs 常见