你的 AI agent 越跑越疯？这个 Skill 让它学会自我诊断

做 AI agent 开发的朋友一定都有过这种经历：agent 越跑越疯，同一个工具调用十几遍、上下文炸到 token 爆表、明明前面已经失败了还一遍遍重试——最后你只想说一句：“你 debug 一下你自己啊！”

今天推荐一个把这句话变成现实的 Skill：agent-introspection-debugging。

它是什么？

这是一个专门给 AI agent 用的「自检式 debug 工作流」。当 agent 跑崩、循环调用、token 越界、上下文漂移、工具报错重复重试时，这个 Skill 不会直接砸给用户一个抽象错误，而是教 agent 自己按四步把现场稳住：

• Failure Capture — 先把崩掉的状态记录下来，而不是立刻盲重试
• Root-Cause Diagnosis — 把失败对应到已知模式：是 loop？是上下文污染？是环境状态变了？
• Contained Recovery — 用最小可逆动作尝试修复，而不是越改越乱
• Introspection Reports — 输出一份人能看懂的结构化调试报告

为什么这个 Skill 值得关注？

LLM agent 最大的落地瓶颈往往不是“会不会”，而是失控后的自愈能力。现在大多数 agent 的 debug 逻辑还是：出错了 → 抛异常 → 等人类。这个 Skill 把中间那步补上了。

对于经常跑 Codex、Claude Code、Cursor 这类 Coding Agent 的开发者来说，它相当于给 agent 装了一个“自我反思”的 SOP：不是让它变成神，而是让它不会在一个坑里踩十次。

适用场景

• 长任务 agent 频繁 loop / token 爆炸
• Coding agent 修复代码时反复执行相同失败命令
• 上下文污染导致输出质量断崖式下跌
• 调试多 agent 编排时状态不一致、环境漂移

怎么用？

GitHub 直接装：affaan-m/ECC，在 Claude Code / Codex / Gemini CLI 等支持 SKILL.md 的 agent 里启用即可。遇到 agent 跑崩场景，它会自动把诊断流程注入 agent 行为，让 agent 先自己查问题再报告。

一句话总结

最好的 agent，不是不会犯错的那个，而是犯错后知道怎么自我诊断的那个。

如果你在跑多 agent 系统、或重度使用 Coding Agent，这个 Skill 值得收藏。

GitHub：https://github.com/affaan-m/ECC/tree/main/.agents/skills/agent-introspection-debugging

GitHub: https://github.com/affaan-m/ECC/tree/main/.agents/skills/agent-introspection-debugging