在「编程与开发」类工具里，Augment Code 的定位是：面向大型代码库的 AI 编程助手。

下面按「现象 → 可能原因 → 处理办法」整理常见问题。

排查表

现象处理办法
AI 改动范围过大要求先给计划和文件清单，限定只改指定文件。
生成的代码引用了不存在的函数让它先搜索代码库确认 API，再写实现；运行测试验证。
越改越乱回滚到上一个可用提交，把需求拆小后重新开始。
泄露密钥的风险把密钥放在环境变量，规则文件中禁止读取 .env 等敏感文件。
测试全绿但功能不对人工补充关键用例，检查测试是否真正断言了结果。

通用排查顺序

  1. 确认账号、额度和网络状态正常。
  2. 用一份简单材料复现问题，排除材料本身的干扰。
  3. 检查设置是否被改动（模型、语言、格式等）
  4. 查看官方状态页或更新日志。
  5. 仍无法解决时整理复现步骤联系官方支持。

用标准任务做对照测试

代码审查

适用情况：手头有一个 Pull Request 的改动时。

审查这个改动，按「必须修改 / 建议修改 / 可以忽略」三级列出问题，每条附上文件和行号，重点关注安全、并发和错误处理。

检查点：问题定位到行。

更多可以试的用法

补单元测试

适用情况：手头有一个缺少测试的函数或模块时。

为【函数名】编写单元测试，覆盖正常输入、边界值和异常输入，使用项目现有的测试框架，不要修改被测代码。先列测试用例再写代码。

检查点：测试能在本地通过。

读懂陌生代码库

适用情况：手头有一个刚接手的项目仓库时。

先不要改任何代码。请阅读这个仓库，输出：1）目录结构说明；2）主要模块之间的调用关系；3）本地运行步骤；4）你认为最脆弱的 3 个地方。

验收标准：运行步骤能实际跑通。

修复报错

准备材料：一段报错堆栈和相关代码。

这是报错信息和相关代码。请先解释报错原因，给出最小修改方案，并说明为什么这个修改不会影响其他调用方。

检查点：修改范围足够小。

常见问题：AI 改动范围过大

要求先给计划和文件清单，限定只改指定文件。

常见问题：越改越乱

回滚到上一个可用提交，把需求拆小后重新开始。

常见问题：泄露密钥的风险

把密钥放在环境变量，规则文件中禁止读取 .env 等敏感文件。

概念补充：规则文件

放在仓库里的说明文件，告诉 AI 项目约定和禁止事项。

概念补充：MCP

让编程工具连接外部数据和工具的协议。

适合人群：数据分析师

数据分析师可以用 Augment 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

适合人群：小店老板

小店老板可以用 Augment 处理门店宣传物料、顾客评价回复等工作。需要注意：价格和活动信息以实际为准，顾客电话等信息不要随意上传。

适合人群：咨询顾问

咨询顾问可以用 Augment 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

写在最后

文中提示词和示例仅作示意，实际效果取决于你的材料和 Augment 当前版本，重要内容请人工核对后再使用。

涉及个人信息、商业机密或受监管数据时，先确认 Augment Code 的数据处理条款，再决定能否使用。

延伸阅读