name: 系统性调试 description: 一个四阶段的调试框架，确保在尝试修复前进行根因调查。从不跳转到解决方案。 when_to_use: 当遇到任何bug、测试失败或意外行为时，在提出修复前使用 version: 2.1.0 languages: all

系统性调试

概述

随机修复浪费时间并创造新的bug。快速补丁掩盖了潜在问题。

核心原则： 总是在尝试修复前找到根本原因。症状修复是失败的。

违反这个过程的文字就是违反调试的精神。

铁律

没有根因调查就没有修复

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bug
意外行为
性能问题
构建失败
集成问题

特别在以下情况下使用：

时间压力下（紧急情况容易诱使猜测）
“只是一个快速修复”看起来很明显
你已经尝试了多个修复
之前的修复没有奏效
你不完全理解问题

不要跳过当：

问题看起来简单（简单的bug也有根本原因）
你很匆忙（匆忙保证需要返工）
经理希望立即修复（系统性的调试比乱试更快）

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
一致地复现
- 你能可靠地触发它吗？
- 确切的步骤是什么？
- 每次都发生吗？
- 如果不能复现 → 收集更多数据，不要猜测
检查最近的更改
- 什么更改可能导致这个问题？
- Git diff，最近的提交
- 新依赖、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）：

在提出修复前，添加诊断工具：

对于每个组件边界：
  - 记录数据进入组件
  - 记录数据退出组件
  - 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哪里中断
然后分析证据以识别失败组件
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 "IDENTITY: ${IDENTITY:+SET}${IDENTITY:-UNSET}"

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

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

# 层4：实际签名
codesign --sign "$IDENTITY" --verbose=4 "$APP"

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 skills/root-cause-tracing 以了解反向追踪技术

快速版本：
- 坏值从哪里起源？
- 什么用坏值调用了这个？
- 一直向上追踪直到找到源头
- 在源头修复，而不是在症状处

阶段2：模式分析

在修复前找到模式：

找到工作示例
- 在相同代码库中找到类似的工作代码
- 什么与损坏的类似但有效？
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？
- 列出每个差异，无论多小
- 不要假设“那不重要”
理解依赖关系
- 这需要什么其他组件？
- 需要什么设置、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
- 清晰陈述：“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
- 做出最小的可能更改来测试假设
- 一次一个变量
- 不要一次修复多个东西
在继续前验证
- 有效吗？是的 → 阶段4
- 没有效？形成新的假设
- 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
- 请求帮助
- 更多研究

阶段4：实现

修复根本原因，而不是症状：

创建失败的测试案例
- 最简单的可能复现
- 如果可能，自动化测试
- 如果没有框架，一次性测试脚本
- 在修复前必须有
- 参见 skills/testing/test-driven-development 以编写适当的失败测试
实现单一修复
- 解决识别的根本原因
- 一次一个更改
- 没有“趁我在这里”的改进
- 没有捆绑重构
验证修复
- 测试现在通过了吗？
- 没有其他测试损坏吗？
- 问题实际上解决了吗？
如果修复不奏效
- 停止
- 计数：你已经尝试了多少修复？
- 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（见下面的步骤5）
- 没有架构讨论不要尝试修复 #4
如果3+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
停止并质疑基本问题：
- 这个模式根本上是合理的吗？
- 我们是否“仅凭惯性坚持它”？
- 我们应该重构架构而不是继续修复症状吗？
在尝试更多修复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：

“现在快速修复，稍后调查”
“只是试试改X，看是否有效”
“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有效”
“模式说X但我会以不同方式适应它”
“这是主要问题：[在不调查的情况下列出修复]”
在追踪数据流前提出解决方案
“再来一次修复尝试”（当已经尝试2+次）
每个修复在不同地方揭示新问题

所有这些意味着：停止。返回到阶段1。

如果3+修复失败： 质疑架构（见阶段4.5）

你的人类伙伴的信号表明你做错了

注意这些重定向：

“那不是发生吗？” - 你假设没有验证
“它会显示我们…吗？” - 你应该添加了证据收集
“停止猜测” - 你在没有理解的情况下提出修复
“深层思考这个” - 质疑基本问题，不仅仅是症状
“我们卡住了？”（沮丧） - 你的方法无效

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。过程对于简单bug也快。
“紧急情况，没时间进行过程”	系统性调试比猜试乱试更快。
“先试试这个，然后调查”	第一次修复设定了模式。从一开始就做对。
“确认修复有效后我会写测试”	未测试的修复不稳定。测试首先证明它。
“一次多个修复节省时间”	无法隔离什么有效。导致新bug。
“参考太长，我会适应模式”	部分理解保证bug。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。
“再来一次修复尝试”（在2+次失败后）	3+失败 = 架构问题。质疑模式，不要再次修复。

快速参考

阶段	关键活动	成功标准
1. 根因	阅读错误、复现、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. 实现	创建测试、修复、验证	bug解决、测试通过

当过程揭示“没有根因”时

如果系统性调查揭示问题确实是环境性的、时间依赖的或外部的：

你已经完成了过程
记录你调查了什么
实现适当处理（重试、超时、错误消息）
添加监控/日志以供将来调查

但： 95%的“没有根因”案例是不完整的调查。

与其他技能的集成

这个技能与以下配合工作：

skills/root-cause-tracing - 如何通过调用堆栈追踪
skills/defense-in-depth - 找到根因后添加验证
skills/testing/condition-based-waiting - 替换在阶段2识别的超时
skills/verification-before-completion - 验证修复有效前声称成功

现实世界影响

从调试会话：

系统性方法：15-30分钟修复
随机修复方法：2-3小时的乱试
首次修复率：95% vs 40%
引入新bug：接近零 vs 常见