让 AI 帮忙排查报错，效果好坏主要取决于你给的信息：完整的错误信息和堆栈、出错前后几十行日志、相关代码片段、环境版本，以及你已经试过什么。 再要求它先列出可能原因和验证方法，而不是直接给修改代码，排查会快很多，也不容易被错误的修复带偏。

应该提供什么

  1. 完整的错误信息和堆栈：第一行和最后几行都要，不要只截一半。
  2. 出错前后的日志：一般 30–100 行足够，从最后一条正常日志开始截。
  3. 相关代码：堆栈里指向的函数，以及它调用的关键部分。
  4. 环境信息：语言和框架版本、操作系统、是否在容器里、最近改过什么。
  5. 复现方式：每次都出现还是偶尔出现，什么操作触发。
  6. 已经试过的方法：避免 AI 重复建议。

先脱敏

日志里经常包含密钥、令牌、数据库连接串、用户邮箱和手机号。粘贴前替换掉：

  • 密钥和令牌 → <REDACTED_TOKEN>
  • 连接串里的密码 → <REDACTED>
  • 用户数据 → user_123 这样的占位符

如果公司对外部 AI 工具有规定，先看规定；敏感项目使用公司批准的工具。

排查提示词

我在排查一个报错，请帮我分析，但先不要直接给修改后的代码。
环境：Python 3.11，FastAPI，部署在 Docker 中；昨天升级了数据库驱动。
现象：调用 /orders 接口时偶尔返回 500，大约每几十次出现一次。
已尝试：重启容器后短时间正常，之后再次出现。
错误与堆栈：<粘贴>
出错前后日志：<粘贴>
相关代码：<粘贴>
请输出：
1. 你对错误的理解（一两句话）
2. 可能原因列表，按可能性排序，每条说明依据来自日志的哪一行
3. 每个原因的验证方法（加什么日志、运行什么命令、看什么指标）
4. 还需要我提供哪些信息

拿到假设后怎么做

  1. 从可能性最高、验证成本最低的开始。
  2. 把验证结果贴回去：「按你说的加了日志，发现……」，让 AI 更新判断。
  3. 确认原因后，再让它给修复方案，并要求说明修改会不会影响其他地方。
  4. 先写一个能复现问题的测试，修完后测试通过，才算真正修好。

截日志的小技巧

  • 用时间戳定位：先找到报错时间，再截取前后一两分钟。
  • 偶发问题对比一段正常请求和一段失败请求的日志，差异往往就是线索。
  • 日志太长时，先让 AI 帮你写一条过滤命令（比如按请求 ID 筛选），而不是全部粘贴。

常见坑

  • 只贴最后一行错误，AI 只能猜。
  • 一次贴进好几个不相关的错误，分析会混乱。一次处理一个。
  • 直接复制 AI 的修复代码而不理解原因，问题可能只是被掩盖。
  • 忘了说「最近改过什么」，而这往往是最大的线索。

相关阅读：AI 辅助调试指南、先写失败测试再修 Bug，也可以看看 AI 编程的安全注意事项。