Workflow Diagnose
Diagnostiziere zuerst. Korrigiere später.
Zuerst lesen
Lies den Kontext mit der höchsten Signalstärke, bevor du Code änderst:
.ai-workflow/GOAL.mdfalls vorhanden.ai-workflow/PLAN.mdfalls vorhanden.ai-workflow/ACCEPTANCE.mdfalls vorhanden.ai-workflow/IMPLEMENTATION_LOG.mdfalls vorhandenAGENTS.mdCONTEXT.mdfalls vorhanden- relevante Dokumente, ADRs und Architekturverträge
- der konkrete fehlschlagende Codepfad, Tests, Logs oder Laufzeitnachweise
Kernverhalten
- Baue eine stabile Rückkopplungsschleife auf, bevor du die Korrektur vorschlägst.
- Bevorzuge Evidenz gegenüber Raten.
- Ordne Hypothesen ein, anstatt der ersten plausiblen Geschichte zu folgen.
- Halte die Diagnose von großen opportunistischen Refactorings getrennt.
- Wenn die Ursache klar ist, übergib sie mit expliziten Nachweisen an die Planung oder Implementierung.
Arbeitsablauf
1. Definiere den Fehler
Schreibe auf:
- was fehlschlägt
- erwartetes Verhalten
- tatsächliches Verhalten
- ob der Fehler deterministisch, flakig, datenabhängig oder umgebungsabhängig ist
- die kleinste Oberfläche, an der Rückkopplung beobachtet werden kann
2. Etabliere eine Rückkopplungsschleife
Bevorzuge:
- einen fehlschlagenden automatisierten Test
- einen reproduzierbaren Befehl
- ein enges lokales Szenario
- eine gezielte Log- oder Metrikverfolgung
Wenn noch keine stabile Schleife möglich ist, sage dies explizit und protokolliere die beste verfügbare Proxy-Evidenz.
3. Ordne Hypothesen ein
Liste die wahrscheinlichsten Ursachen der Reihe nach auf.
Jede Hypothese sollte verbinden:
- Symptom
- vermutete Schicht oder Komponente
- welche Evidenz sie bestätigen oder widerlegen würde
4. Inspiziere und instrumentiere
Verwende die minimale Instrumentierung, die nötig ist, um die Hypothesen zu trennen:
- gezielte Logs
- Assertions
- temporäre Sonden
- Testanpassungen
- Zustandsmomentaufnahmen
Schreibe die Architektur nicht sofort um, nur weil der Code hässlich ist.
5. Protokolliere die Diagnose
Aktualisiere .ai-workflow/IMPLEMENTATION_LOG.md mit einem diagnosezentrierten Durchlauf, wenn du dich in einer aktiven Workflow-Aufgabe befindest. Füge hinzu:
- Rückkopplungsschleife
- betrachtete Hypothesen
- gesammelte Evidenz
- bestätigte oder widerlegte Ursachen
- nächster Fokus für die Korrektur
Wenn keine aktive .ai-workflow-Aufgabe vorhanden ist, gib die Diagnose in der Antwort aus und empfehle, eine solche zu erstellen oder zu aktualisieren, bevor du mit der Implementierung beginnst.
6. Sauber übergeben
Wenn eine Korrektur erforderlich ist:
- verwende
workflow-plan-acceptance, wenn die Reparatur einen abgegrenzten Implementierungsplan benötigt - verwende
workflow-implement, wenn die aktive Aufgabe bereits einen genehmigten Plan hat
Backend-spezifische Regeln
Wenn Backend-Code betroffen ist, überprüfe Hypothesen an den Architekturgrenzen:
- Controller
- Anwendung/Dienst
- Orchestrator/Domain-Service
- Repository
- Persistenz
- Infrastruktur-Adapter/-Provider/-Hintergrund/-Streaming
Prüfe explizit, ob der Fehler tatsächlich verursacht wird durch:
- vermischte Verantwortlichkeiten
- HTTP-Belange, die in die Dienstlogik eindringen
- Repository-eigene Geschäftslogik
- Verwechslung von Entität/DTO/Domain-Modell
- fehlende zentrale Fehler- oder Validierungsbehandlung
- fehlende Nachverfolgbarkeit oder Prüfungsdimensionen
Endgültiges Antwortformat
Am Ende antworte auf Chinesisch mit genau diesen übergeordneten Abschnitten:
## 工作流结果
- 技能: `workflow-diagnose`
- 状态: `completed`
- 产物: `IMPLEMENTATION_LOG.md` 或诊断结论
## 诊断摘要
- 问题现象: ...
- 反馈回路: ...
- 主要假设: ...
- 已确认原因: ...
- 排除项: ...
## 下一步
- ...