AI 排查程序报错和自己搜索报错信息经常被放在一起比较。选错了不会出大问题，但会多走弯路。

核心区别

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。

从原理看，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。排错的本质是“缩小范围”。AI 的价值在于帮你快速列出假设并设计验证方法，但真正的线索来自你在真实环境中观察到的结果。把每次验证的结果反馈给 AI，它才能调整判断。单向提问、等它给出答案，往往不如这种你来我往的协作有效。

什么时候选 AI 排错

  • 程序报错，但看不懂错误信息。
  • 问题偶发，不知道从哪里开始查。
  • 部署、配置、环境相关的问题。
  • 修改了代码后出现意料之外的行为。

一个虚构的对比：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。

什么时候自己搜索报错信息就够了

任务简单、一次性、对格式没有严格要求时，自己搜索报错信息往往更省事。另外要注意，同时尝试多个修改。更好的做法是：一次只改一处并验证，否则不知道哪个修改起了作用。

如果选择 AI 排错，这样开始

  1. 提供相关代码和最近的改动。
  2. 描述复现步骤，以及预期行为和实际行为。
  3. 让 AI 列出可能原因并按可能性排序，给出验证方法。
  4. 逐个验证，把结果反馈给 AI，直到定位问题。

示范提示词

以游戏开发者的场景为例：

我遇到一个问题，请帮我排查。
- 现象：[描述]
- 完整报错：[粘贴报错和堆栈]
- 环境：[语言/框架/系统版本]
- 最近的改动：[描述]
- 复现步骤：[步骤]
- 预期结果 vs 实际结果：[描述]
请：
1. 解释报错的含义；
2. 列出 3-5 个可能原因，按可能性排序；
3. 对每个原因给出验证方法（我该看什么、运行什么）；
4. 先不要直接给修复代码，等我反馈验证结果。

使用时请注意：AI 生成的美术和文本在商业游戏中使用前，要确认工具的商用授权和平台政策。

一个常被问到的问题

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。

结论

一句话：对质量要求高、愿意多花一点准备时间时选 AI 排错，临时的简单问题用自己搜索报错信息即可。两者也可以先后使用：先用自己搜索报错信息快速试探，再用 AI 排错打磨。

选择时的两个判断问题

第一，结果出错的代价高不高？代价越高，越值得用 AI 排错。第二，这个任务会不会反复出现？会的话，把 AI 排错的写法沉淀成模板，长期收益更大。

相关阅读