一份调试清单
按顺序逐项完成这些步骤。直接跳到"修好它"正是让 AI 兜圈子的原因。
- 可靠地复现它。 找到每次都能让 bug 出现的确切步骤。一个你无法复现的 bug，是你无法确认自己已经修好的 bug——你将永远只是在猜测它是否消失了。如果它是间歇性出现的，去捕猎那个让它切换的变量：某个特定输入、登录还是登出的状态、缓慢的网络。
- 阅读真正的错误信息。 不要略读。错误信息和堆栈跟踪的顶部通常会指出出问题的文件和行号。初学者常常因为某句话看起来吓人，就略过了屏幕上最有用的那句。
- 收集上下文。 收集错误文本、堆栈跟踪、相关代码，以及一句话描述你期望的结果。
- 把完整的画面交给 AI。 把以上所有内容粘贴在一条消息里。让它形成一个假设。
- 形成假设，而不是修复方案。 在"修好这个"之前先问"什么可能导致这个？"。基于错误理论的错误修复只会浪费时间——有时还会在第一个 bug 之上叠加一个第二个 bug。
- 添加日志来测试假设。 在修改代码之前，先确认代码实际在做什么。
- 二分查找问题。 通过反复将可疑区域对半切分，缩小故障发生的位置。
- 修复根本原因，而非表象。 确保修复针对的是它为什么出问题，而不仅仅是可见的故障。
- 验证修复并检查回归。 重新运行复现步骤。然后确保附近的功能仍然正常工作——所谓回归，就是一个修复悄悄弄坏了原本好好的东西，就像补好一处漏水，旁边的管子却爆了。
这份清单其实就是一个你不断绕行、直到 bug 消失的循环。每个方框都把证据交给下一个，而一次失败的验证只会带着你学到的东西重新绕一圈：
┌──────────────┐
│ 复现 │ 让它每次都发生
└──────┬───────┘
▼
┌──────────────┐
│ 读错误 + │ 它到底在说什么？
│ 收集 │ 收集 trace+代码+上下文
└──────┬───────┘
▼
┌──────────────┐
│ 假设 │ "什么会导致这个？"
└──────┬───────┘
▼
┌──────────────┐
│ 用日志 │ 加条日志，拿到证据
│ 确认 │
└──────┬───────┘
错误│ 正确
┌──────┘ 猜测 ▼
│ ┌──────────────┐
│ (新 │ 修根本 │ 而非表象
│ 理论) │ 原因 │
│ └──────┬───────┘
│ ▼
│ ┌──────────────┐ 失败 / 回归
└────────────┤ 验证 │──────────┐
│ + 回归检查 │ │
└──────┬───────┘ │
│ 通过 │
▼ ◀───────┘
✔ 完成 (绕回去再来)
这个顺序并非随意。每一步都产生下一步所需要的证据。复现给你提供可读的东西；阅读给你提供可收集的上下文；上下文给 AI 提供可做假设的素材。跳过一步，你就是在给下一步喂一个窟窿。