/systematic-debugging

name: systematic-debugging
description: 遇到任何 bug、测试失败或异常行为时使用，在提出修复方案之前执行
version: "1.0.0"
license: MIT
metadata:
  hermes:
    tags: [debugging]

系统化调试

概述

**核心原则：** 在尝试修复之前，务必先找到根本原因。只修症状就是失败。

**敷衍走流程等于违背调试的精神。**

铁律

不做根因调查，不许提修复方案

如果你还没完成第一阶段，就不能提出修复方案。

何时使用

用于任何技术问题：

• 测试失败
• 生产环境 bug
• 异常行为
• 性能问题
• 构建失败
• 集成问题

**尤其在以下情况必须使用：**

• 时间紧迫（紧急情况最容易让人猜测式修复）
• 觉得"一个小修改"就能搞定
• 已经尝试了多种修复
• 上一次修复没有生效
• 你没有完全理解问题

**以下情况也不要跳过：**

• 问题看起来很简单（简单的 bug 也有根本原因）
• 你很赶时间（越急越容易返工）
• 领导要求立刻修好（系统化调试比反复尝试更快）

四个阶段

你必须完成每个阶段后才能进入下一个。

第一阶段：根因调查

**在尝试任何修复之前：**

1. **仔细阅读错误信息**

• 不要跳过错误或警告
• 它们往往直接包含解决方案
• 完整阅读堆栈跟踪
• 记下行号、文件路径、错误码

2. **稳定复现**

• 你能可靠地触发它吗？
• 具体的复现步骤是什么？
• 每次都能复现吗？
• 如果无法复现 → 收集更多数据，不要猜测

3. **检查近期变更**

• 什么变更可能导致了这个问题？
• git diff、最近的提交
• 新依赖、配置变更
• 环境差异

4. **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）：**

**在提出修复方案之前，先添加诊断埋点：**

   对每个组件边界：
     - 记录进入组件的数据
     - 记录离开组件的数据
     - 验证环境/配置的传递
     - 检查每一层的状态

   执行一次以收集证据，确定断裂点在哪里
   然后分析证据，定位故障组件
   然后针对该组件深入调查

**示例（多层系统）：**

   # 第 1 层：工作流
   echo "=== Secrets available in workflow: ==="
   echo "IDENTITY: $([ -n "${IDENTITY:-}" ] && echo SET || echo UNSET)"

   # 第 2 层：构建脚本
   echo "=== Env vars in build script: ==="
   printenv IDENTITY >/dev/null 2>&1 && echo "IDENTITY in environment" || echo "IDENTITY not in environment"

   # 第 3 层：签名脚本
   echo "=== Keychain state: ==="
   security list-keychains
   security find-identity -v

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

**由此可以看出：** 哪一层出了问题（secrets → workflow ✓, workflow → build ✗）

5. **跟踪数据流**

**当错误发生在调用栈深处时：**

参见本目录下的 `root-cause-tracing.md`，了解完整的反向追踪技术。

**简要版本：**

• 错误值从哪里产生的？
• 谁用错误值调用了这里？
• 持续向上追踪直到找到源头
• 在源头修复，而不是在症状处修复

第二阶段：模式分析

**先找到模式，再修复：**

1. **找到可正常工作的示例**

• 在同一代码库中找到类似的正常代码
• 有什么正常的代码与出问题的代码相似？

2. **与参考实现对比**

• 如果是实现某个模式，完整阅读参考实现
• 不要略读——逐行阅读
• 在应用之前彻底理解该模式

3. **识别差异**

• 正常代码和出问题的代码之间有什么不同？
• 列出每一个差异，无论多小
• 不要假设"那不可能有影响"

4. **理解依赖关系**

• 这个功能需要哪些其他组件？
• 需要哪些设置、配置、环境？
• 它有哪些隐含假设？

第三阶段：假设与验证

**科学方法：**

1. **提出单一假设**

• 清晰地陈述："我认为 X 是根本原因，因为 Y"
• 写下来
• 要具体，不要含糊

2. **最小化测试**

• 做出最小的改动来验证假设
• 每次只改一个变量
• 不要同时修复多个问题

3. **继续之前先验证**

• 生效了？是 → 进入第四阶段
• 没生效？提出新假设
• 不要在上面叠加更多修复

4. **当你不确定时**

• 说"我不理解 X"
• 不要假装自己知道
• 寻求帮助
• 做更多调研

第四阶段：实施

**修复根本原因，而非症状：**

1. **创建失败的测试用例**

• 最简化的复现
• 尽可能用自动化测试
• 没有测试框架就写一次性测试脚本
• 修复前必须先有测试
• 使用 `test-driven-development` 技能来编写规范的失败测试

2. **实施单一修复**

• 修复已定位的根本原因
• 每次只改一处
• 不做"顺便改改"的优化
• 不捆绑重构

3. **验证修复**

• 测试现在通过了吗？
• 其他测试没有被破坏吧？
• 问题真的解决了吗？
• 宣称成功之前，使用 `verification-before-completion` 技能

4. **如果修复不起作用**

• 停下来
• 数一数：你已经尝试了几次修复？
• 少于 3 次：回到第一阶段，用新信息重新分析
• **3 次或以上：停下来质疑架构（见下方第 5 步）**
• 没有经过架构讨论，不要尝试第 4 次修复

5. **如果 3 次以上修复都失败了：质疑架构**

**以下模式表明存在架构问题：**

• 每次修复都暴露出新的共享状态/耦合/其他位置的问题
• 修复需要"大规模重构"才能实现
• 每次修复都在其他地方产生新的症状

**停下来质疑根本性问题：**

• 这个模式从根本上合理吗？
• 我们是不是在"惯性驱动"下坚持了错误方案？
• 应该重构架构还是继续修补症状？

**在尝试更多修复之前，和你的搭档讨论**

这不是假设失败——这是架构有误。

红线——停下来，按流程走

如果你发现自己在想：

• "先临时修一下，以后再排查"
• "试着改改 X 看看行不行"
• "一次性改多个地方，跑测试看看"
• "跳过测试，我手动验证"
• "大概是 X 的问题，让我修一下"
• "我不完全理解，但这应该能行"
• "模式说的是 X，但我换个方式用"
• "主要问题有这些：[未经调查就列出修复方案]"
• 没有追踪数据流就提出解决方案
• **"再试一次修复"（已经尝试了 2 次以上）**
• **每次修复都暴露出不同地方的新问题**

**以上这些都意味着：停下来。回到第一阶段。**

**如果 3 次以上修复都失败了：** 质疑架构（见第四阶段第 5 步）

搭档发出的信号——说明你的方法不对

**留意这些提醒：**

• "难道不是这样吗？"——你在没有验证的情况下做了假设
• "它能告诉我们……吗？"——你应该先收集证据
• "别猜了"——你在没有理解的情况下提出修复
• "深入想想"——要质疑根本性问题，而不只是症状
• "我们卡住了？"（沮丧的语气）——你的方法没有奏效

**当你看到这些信号时：** 停下来。回到第一阶段。

常见借口

| 借口 | 现实 | |------|------| | "问题很简单，不需要走流程" | 简单问题也有根本原因。对于简单 bug，流程很快就能走完。 | | "紧急情况，没时间走流程" | 系统化调试比反复猜测式修复更快。 | | "先试一下，再排查" | 第一次修复就定下了基调。从一开始就做对。 | | "确认修复有效后再写测试" | 没有测试的修复留不住。先写测试才能证明修复有效。 | | "一次修多个问题省时间" | 无法隔离哪个生效了。还会引入新 bug。 | | "参考实现太长了，我自己改改" | 一知半解必然出 bug。完整阅读。 | | "我看出问题了，让我修一下" | 看到症状 ≠ 理解根因。 | | "再试一次"（在 2 次以上失败后） | 3 次以上失败 = 架构问题。质疑模式，不要继续修。 |

速查表

| 阶段 | 关键活动 | 通过标准 | |------|---------|---------| | **1. 根因** | 阅读错误、复现、检查变更、收集证据 | 理解了什么出了问题以及为什么 | | **2. 模式** | 找到正常示例、对比 | 识别出差异 | | **3. 假设** | 提出理论、最小化验证 | 假设被验证或产生新假设 | | **4. 实施** | 创建测试、修复、验证 | bug 已修复，测试通过 |

当流程显示"找不到根因"

如果系统化排查后发现问题确实是环境相关、时序相关或外部因素导致的：

1. 你已经完成了流程 2. 记录你排查了什么 3. 实施适当的处理措施（重试、超时、错误提示） 4. 添加监控/日志以便后续排查

**但是：** 95% 的"找不到根因"其实是排查不充分。

辅助技术

以下技术是系统化调试的组成部分，可在本目录中找到：

• **`root-cause-tracing.md`** - 沿调用栈反向追踪 bug，找到最初的触发点
• **`defense-in-depth.md`** - 找到根因后，在多个层级添加校验
• **`condition-based-waiting.md`** - 用条件轮询替代硬编码等待时间