修 bug 总是治标不治本？这个技能教你追根溯源

你有没有这种感觉：AI agent 报了一个错，你顺着错误信息修了，没过两分钟同样的问题又出现了？或者 bug 藏在五层调用链以下，光看报错根本不知道根在哪？

这其实是 AI 调试的专属难题——它不像传统软件，bug 往往不是”这一行写错了”这么简单，而是：错误数据从某处悄悄进入系统，一路传递，最后在远离源头的地方才爆炸。

核心心法：永远不要在症状处修 bug

今天想推荐一个技能 root-cause-tracing，来自 NeoLabHQ/context-engineering-kit 仓库，核心原则只有一句话：

永远不要在 bug 显现的地方修复——向后追溯，找到真正的触发点再动手。

这个思路听起来简单，但真正执行的时候需要一套系统方法：

• 先看报错那一行
• 再看调用它的上一层
• 接着检查”错误数据/状态是从哪里来的”——配置？测试？还是更早的输入？
• 一直追到”第一个错误假设”或”错误输入的入口”为止

真实场景举例

比如你遇到这个问题：git init 只在 /packages/core 里面运行，构建脚本跑完之后就报错。表面上看起来是 git 命令问题，但你按这个技能的方法追溯回去，发现是某个 hook 在运行前悄悄改了 working directory——那真正要修的，是那个 hook，而不是 git 命令。

这就是为什么同样的 bug “修好”又复发：因为你修的不是根。

怎么安装

一行命令搞定：

npx skills add https://github.com/neolabhq/context-engineering-kit --skill root-cause-tracing

安装之后先读 SKILL.md，里面有完整的工作流说明。配合 Claude Code 使用，调试效率提升明显。

适合谁

如果你经常在 AI agent、LangGraph 项目、自动化脚本里排查执行问题，这个技能几乎是必备的——它把”凭感觉 debug”变成了一套可重复的纪律。

GitHub：https://github.com/neolabhq/context-engineering-kit

GitHub: https://github.com/neolabhq/context-engineering-kit