Codex debug 还在靠猜？这个 S 级 Skill 让 AI 学会系统化调试

Codex 写代码强，但 debug 起来还是靠”猜”？试试这个 S 级 Skill。

一个 bug 出现，大多数人的反应是什么？改配置、重启服务、猜一个原因然后改改看。结果呢？修了一个冒出两个，周而复始，越改越乱。

systematic-debugging 是 obra 维护的 Superpowers 项目里的一个 Skill，最近在 SkillHub 拿到 S 级评分（9.2分），专门教 AI Agent 用”系统化调试法”修 bug。不是靠运气，是靠流程。

核心：先找根因，再动手

Skill 里有一条铁律，叫 Iron Law：

NO FIXES WITHOUT ROOT CAUSE INVESTIGATION FIRST

意思很直接：在你没有完成根因调查之前，不许提任何修复方案。违反这条，Skill 会直接把你拉回 Phase 1。

四阶段调试流程

Skill 把调试分成四个阶段，每阶段必须完成才能进入下一阶段：

• Phase 1 – 根因调查：读错误信息 → 稳定复现 → 查最近变更 → 追踪数据流 → 找类似正常代码
• Phase 2 – 模式分析：对比正常代码和故障代码，找出差异
• Phase 3 – 假设与验证：形成单个明确假设，最小化改动测试
• Phase 4 – 修复与验证：创建失败测试用例 → 实施单次修复 → 验证测试通过

里面还藏了一个”三板斧规则”：如果你已经尝试了 3 次以上修复还不行，Skill 会强制停下来让你重新审视系统架构，而不是继续乱试。

支持 15+ 主流开发工具

这个 Skill 兼容列表非常全：Claude Code、Codex CLI、Cursor、Windsurf、GitHub Copilot、OpenClaw、Cline 等，覆盖了主流 AI 编程工具，基本你在用哪个都能装上。

附带的文件也很实用：root-cause-tracing.md（数据流追踪）、find-polluter.sh（污染变量定位）、defense-in-depth.md（纵深防御检查），都是实战里真会用到的。

实操示例

拿一个 CI/CD 签名失败的 case 来说：

• 第一步：检查 workflow 环境变量、build 脚本变量、签名脚本输出
• 发现本地正常但 CI 失败，定位到证书没有正确导入 CI keychain
• 假设：需要在 CI 环境手动 import 证书
• 最小化改动：加一行 security import certificate.p12
• 验证：CI 通过，App 签名成功

整个过程 15-30 分钟。对比”随机尝试法”，平均要 2-3 小时还容易引人新 bug。

怎么装

直接在支持的 Agent 里装就行（Claude Code、Cursor 等），也可以去 SkillHub 一键安装：

https://github.com/obra/superpowers

如果你经常和 AI 结对编程，这个 Skill 值得成为标配——它解决的不是某个具体 bug，而是一套让 AI 少猜多思考的调试方法论。

GitHub: https://github.com/obra/superpowers#skills~systematic-debugging