刚接触 AI 排查程序报错的人，问得最多的往往是下面这几个问题。

Q1：AI 排错到底是什么？

AI 排错是把报错信息、相关代码、运行环境和复现步骤交给 AI，让它分析可能的原因、给出排查顺序和修复建议。它适合代码报错、软件故障、配置问题和数据异常等场景。

Q2：为什么它有效？和自己搜索报错信息有什么不同？

AI 见过大量常见错误及其解决方法，能根据报错信息和上下文快速缩小可能原因的范围，并帮你制定有条理的排查步骤。搜索能找到相似问题，但需要自己判断是否适用；AI 排错能结合你的代码和环境分析，给出有针对性的排查顺序。

Q3：哪些场景最值得用？

最典型的是两类：一是问题偶发，不知道从哪里开始查；二是修改了代码后出现意料之外的行为。以测试工程师为例，处理“提交并跟踪 18 个缺陷”这类工作时就很适合尝试。

Q4：具体怎么开始？

建议按这三步起步：

  1. 收集完整的错误信息，包括堆栈和日志片段。
  2. 说明运行环境：语言版本、框架版本、操作系统。
  3. 提供相关代码和最近的改动。

熟练之后再养成一个习惯：逐个验证，把结果反馈给 AI，直到定位问题。

Q5：有没有现成的模板？

有，下面这个可以直接复制，按需替换方括号内容：

偶发问题排查框架：
1. 时间线：问题首次出现的时间，前后有哪些变更
2. 规律：是否与时间、负载、特定用户、特定数据有关
3. 假设列表：| 假设 | 支持的证据 | 反对的证据 | 验证方法 | 成本 |
4. 先验证“成本低且可能性高”的假设
5. 增加日志：建议在哪些位置记录什么信息，帮助下次复现
6. 修复后：如何确认问题不再出现，以及需要哪些回归测试

Q6：AI 给的原因不对怎么办？

把验证结果反馈给它，说明哪个原因已排除，让它重新分析。

Q7：报错信息里有敏感信息怎么办？

替换掉路径中的用户名、内网地址、密钥等，再提交。

Q8：非编程的软件问题也能用吗？

可以，比如软件闪退、打印机故障、网络问题，提供现象和环境信息即可。

举个例子

举个虚构的例子：一位数据分析师的定时脚本每周总有一两次失败。他把错误日志和脚本交给 AI，AI 注意到失败时间都在数据库备份期间，推测是连接超时。他调整了脚本的执行时间并增加了重试机制，问题再也没有出现。

补充：最容易踩的坑和用好的诀窍

  • 让 AI 直接给修复代码。改进：先理解原因再修复，否则可能只是掩盖问题。
  • 同时尝试多个修改。改进：一次只改一处并验证，否则不知道哪个修改起了作用。
  • 对偶发问题，先让 AI 建议加日志，再收集更多信息。
  • 修复后让 AI 帮你写一个能复现原问题的测试。

下一步学什么

掌握 AI 排错之后，可以继续了解分步思考提示和 AI 代码审查，它们经常和 AI 排错一起使用，组合起来能处理更复杂的任务。

相关阅读