Диагностика сложных багов

Диагностирует сложные баги и просадки скорости: сначала собирает быструю детерминированную команду, воспроизводящую точный симптом, потом ужимает её, ранжирует проверяемые гипотезы и пишет регрессионный тест. Для случаев, когда что-то падает или тормозит.

ОтладкаПак: Скиллы Мэтта Покока138 строкdiagnosing-bugs
Автор
Источник
mattpocock/skills/skills/engineering/diagnosing-bugs @ abeeaf9
Лицензия
MIT · Copyright (c) 2026 Matt Pocock

Об этом скилле

Что делает

Скилл — цикл из шести этапов для сложных багов и просадок производительности, и главный вес у первого: собрать петлю обратной связи раньше, чем появится хоть одна гипотеза. Петля — одна команда, уже запущенная и показанная вам: она краснеет именно на вашем симптоме, детерминирована, работает секунды, и агент может запускать её сам. Способов её собрать перечислено десять — от падающего теста или curl-скрипта до обвязки для git bisect run. Плавающим багам нужна высокая доля воспроизведений, а не чистый повтор. Без петли агент останавливается и просит доступ к окружению, дамп без секретов или разрешение на временное логирование в проде.

Дальше он ужимает воспроизведение, пока каждая часть не станет необходимой, выписывает 3–5 проверяемых гипотез по убыванию вероятности и заранее показывает их вам, а исследует по одной переменной за раз: сначала отладчик, потом логи с меткой вроде [DEBUG-a4f2], для медленного кода — замер. Регрессионный тест пишется до исправления, но только на шве, где повторяется настоящий сценарий вызова; если такого шва нет, это идёт в отчёт как проблема архитектуры. При уборке помеченные логи удаляются, а в сообщении коммита называется гипотеза, которая подтвердилась. Секреты во всём, что показывается, заменяются на <REDACTED>.

scripts/hitl-loop.template.sh — крайний случай, когда шаги должен прокликать человек: step ждёт Enter, capture сохраняет ответ, а значения возвращаются агенту как KEY=VALUE. agents/openai.yaml — название и описание для Codex.

Когда включать и когда не надо

Когда что-то сломано, кидает исключение, падает или тормозит, а причина неочевидна, в том числе если сбой плавающий.

Не нужен для опечатки, на которую указал компилятор, и когда хочется просто быстрой догадки: без петли гипотез скилл не строит.

Как поставить и вызвать

Команда установки ниже кладёт всю папку. Агент сам подхватывает скилл по описанию, когда вы сообщаете, что что-то сломалось или тормозит. Вызвать вручную:

  • Claude Code: /diagnosing-bugs или попросить скилл по имени.
  • Codex: $diagnosing-bugs.
  • Cursor: наберите / в чате Agent и выберите diagnosing-bugs.

Пример: /diagnosing-bugs После релиза на прошлой неделе /export стал работать втрое медленнее. Сначала собери петлю с замером времени.

Других скиллов он не вызывает, но читает GLOSSARY.md и ADR, если их уже завёл domain-modeling. Шаблону нужен bash (на Windows — Git Bash).

Чем отличается от похожих

Системная отладка и наш Поиск первопричины бага тоже начинают с воспроизведения и проверяют гипотезы по одной. Diagnosing bugs строже к воспроизведению — быстрая детерминированная команда, уже запущенная, — сразу выписывает несколько гипотез, чтобы вы их пересортировали, и добавляет ветку для производительности, скрытие секретов и проверку шва. Отладка и восстановление после ошибок — чек-лист разбора по принципу «остановить конвейер» с приёмами для каждого типа сбоя. Поиск регрессии через git bisect из нашего каталога подробно описывает обвязку для bisect, которую этот скилл называет одним из способов построить цикл: коды выхода для git bisect run, пропуск несобираемых коммитов, повторы для плавающих тестов. Оптимизация производительности идёт дальше здешней короткой ветки про производительность: базовый замер, одно доказанное узкое место за раз, повторный замер с поправкой на шум и откат того, что не помогло.

Установка

Выполните одну команду — она сохранит SKILL.md и файлы, которые он использует, в папку скиллов агента. Claude Code и Codex подхватывают новый скилл без перезапуска; если скилл не появился, перезапустите агента.

Скилл написан на английском — агент поймёт его и ответит вам по-русски.

Claude Code — macOS, Linux
curl -fsSL --create-dirs -o ~/.claude/skills/diagnosing-bugs/SKILL.md https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/SKILL.md -o ~/.claude/skills/diagnosing-bugs/LICENSE https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/LICENSE -o ~/.claude/skills/diagnosing-bugs/agents/openai.yaml https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/agents/openai.yaml -o ~/.claude/skills/diagnosing-bugs/scripts/hitl-loop.template.sh https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/scripts/hitl-loop.template.sh
Codex, Cursor — macOS, Linux
curl -fsSL --create-dirs -o ~/.agents/skills/diagnosing-bugs/SKILL.md https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/SKILL.md -o ~/.agents/skills/diagnosing-bugs/LICENSE https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/LICENSE -o ~/.agents/skills/diagnosing-bugs/agents/openai.yaml https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/agents/openai.yaml -o ~/.agents/skills/diagnosing-bugs/scripts/hitl-loop.template.sh https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/scripts/hitl-loop.template.sh
Claude Code — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE','agents/openai.yaml','scripts/hitl-loop.template.sh') { $p = Join-Path "$HOME\.claude\skills\diagnosing-bugs" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/$f" -UseBasicParsing -OutFile $p }
Codex, Cursor — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE','agents/openai.yaml','scripts/hitl-loop.template.sh') { $p = Join-Path "$HOME\.agents\skills\diagnosing-bugs" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/$f" -UseBasicParsing -OutFile $p }

Другой агент: сохраните файл в его папку скиллов или дайте ему ссылку на файл: https://anymodel.org/en/skills/matt-pocock/diagnosing-bugs/SKILL.md

SKILL.md

Исходник

Diagnosing Bugs

A discipline for hard bugs. Skip phases only when explicitly justified.

When exploring the codebase, read GLOSSARY.md (if it exists) to get a clear mental model of the relevant modules, and check ADRs in the area you're touching.

Redact

This skill has you show commands, outputs and captured artifacts. Redact every secret first: write <REDACTED> in its place. Build loops against env vars, so the credential stays in the environment rather than in what you show. Captured artifacts carry auth headers: quote only the lines that carry the signal.

If the redacted output is not enough to diagnose the bug, say so and ask the user.

Phase 1: Build a feedback loop

This is the skill. Everything else is mechanical. If you have a tight pass/fail signal for the bug (one that goes red on this bug), you will find the cause; bisection, hypothesis-testing, and instrumentation all just consume it. If you don't have one, no amount of staring at code will save you.

Spend disproportionate effort here. Be aggressive. Be creative. Refuse to give up.

Ways to construct one, in roughly this order

  1. Failing test at whatever seam reaches the bug: unit, integration, e2e.
  2. Curl / HTTP script against a running dev server.
  3. CLI invocation with a fixture input, diffing stdout against a known-good snapshot.
  4. Headless browser script (Playwright / Puppeteer) that drives the UI and asserts on DOM/console/network.
  5. Replay a captured trace. Save a real network request / payload / event log to disk; replay it through the code path in isolation.
  6. Throwaway harness. Spin up a minimal subset of the system (one service, mocked deps) that exercises the bug code path with a single function call.
  7. Property / fuzz loop. If the bug is "sometimes wrong output", run 1000 random inputs and look for the failure mode.
  8. Bisection harness. If the bug appeared between two known states (commit, dataset, version), automate "boot at state X, check, repeat" so you can git bisect run it.
  9. Differential loop. Run the same input through old-version vs new-version (or two configs) and diff outputs.
  10. HITL bash script. Last resort. If a human must click, drive them with scripts/hitl-loop.template.sh so the loop is still structured. Captured output feeds back to you.

Build the right feedback loop, and the bug is 90% fixed.

Tighten the loop

Treat the loop as a product. Once you have a loop, tighten it:

  • Can I make it faster? (Cache setup, skip unrelated init, narrow the test scope.)
  • Can I make the signal sharper? (Assert on the specific symptom, not "didn't crash".)
  • Can I make it more deterministic? (Pin time, seed RNG, isolate filesystem, freeze network.)

A 30-second flaky loop is barely better than no loop; a 2-second deterministic one is tight, a debugging superpower.

Non-deterministic bugs

The goal is not a clean repro but a higher reproduction rate. Loop the trigger 100×, parallelise, add stress, narrow timing windows, inject sleeps. A 50%-flake bug is debuggable; 1% is not, so keep raising the rate until it's debuggable.

When you genuinely cannot build a loop

Stop and say so explicitly. List what you tried. Ask the user for: (a) access to whatever environment reproduces it, (b) a redacted captured artifact (HAR file, log dump, core dump, screen recording with timestamps), or (c) permission to add temporary production instrumentation. Do not proceed to hypothesise without a loop.

Completion criterion: a tight loop that goes red

Phase 1 is done when the loop is tight and red-capable: you can name one command (a script path, a test invocation, a curl) that you have already run at least once (show the invocation and its output, redacted), and that is:

  • Red-capable: it drives the actual bug code path and asserts the user's exact symptom, so it can go red on this bug and green once fixed. Not "runs without erroring"; it must be able to catch this specific bug.
  • Deterministic: same verdict every run (flaky bugs: a pinned, high reproduction rate, per above).
  • Fast: seconds, not minutes.
  • Agent-runnable: you can run it unattended; a human in the loop only via scripts/hitl-loop.template.sh.

If you catch yourself reading code to build a theory before this command exists, stop: jumping straight to a hypothesis is the exact failure this skill prevents. No red-capable command, no Phase 2.

Phase 2: Reproduce + minimise

Run the loop. Watch it go red as the bug appears.

Confirm:

  • The loop produces the failure mode the user described, not a different failure that happens to be nearby. Wrong bug = wrong fix.
  • The failure is reproducible across multiple runs (or, for non-deterministic bugs, reproducible at a high enough rate to debug against).
  • You have captured the exact symptom (error message, wrong output, slow timing) so later phases can verify the fix actually addresses it.

Minimise

Once it's red, shrink the repro to the smallest scenario that still goes red. Cut inputs, callers, config, data, and steps one at a time, re-running the loop after each cut, and keep only what's load-bearing for the failure.

Why bother: a minimal repro shrinks the hypothesis space in Phase 3 (fewer moving parts left to suspect) and becomes the clean regression test in Phase 5.

Done when every remaining element is load-bearing: removing any one of them makes the loop go green.

Do not proceed until you have reproduced and minimised.

Phase 3: Hypothesise

Generate 3–5 ranked hypotheses before testing any of them. Single-hypothesis generation anchors on the first plausible idea.

Each hypothesis must be falsifiable: state the prediction it makes.

Format: "If <X> is the cause, then <changing Y> will make the bug disappear / <changing Z> will make it worse."

If you cannot state the prediction, the hypothesis is a vibe: discard or sharpen it.

Show the ranked list to the user before testing. They often have domain knowledge that re-ranks instantly ("we just deployed a change to #3"), or know hypotheses they've already ruled out. Cheap checkpoint, big time saver. Don't block on it; proceed with your ranking if the user is AFK.

Phase 4: Instrument

Each probe must map to a specific prediction from Phase 3. Change one variable at a time.

Tool preference:

  1. Debugger / REPL inspection if the env supports it. One breakpoint beats ten logs.
  2. Targeted logs at the boundaries that distinguish hypotheses.
  3. Never "log everything and grep".

Tag every debug log with a unique prefix, e.g. [DEBUG-a4f2]. Cleanup at the end becomes a single grep. Untagged logs survive; tagged logs die.

Perf branch. For performance regressions, logs are usually wrong. Instead: establish a baseline measurement (timing harness, performance.now(), profiler, query plan), then bisect. Measure first, fix second.

Phase 5: Fix + regression test

Write the regression test before the fix, but only if there is a correct seam for it.

A correct seam is one where the test exercises the real bug pattern as it occurs at the call site. If the only available seam is too shallow (single-caller test when the bug needs multiple callers, unit test that can't replicate the chain that triggered the bug), a regression test there gives false confidence.

If no correct seam exists, that itself is the finding. Note it. The codebase architecture is preventing the bug from being locked down. Flag this for the next phase.

If a correct seam exists:

  1. Turn the minimised repro into a failing test at that seam.
  2. Watch it fail. If you forced the red by mutating code or a fixture, diff against a pristine copy to prove the mutation landed before you trust it.
  3. Apply the fix.
  4. Watch it pass.
  5. Re-run the Phase 1 feedback loop against the original (un-minimised) scenario.

Phase 6: Cleanup

Required before declaring done:

  • Original repro no longer reproduces (re-run the Phase 1 loop)
  • Regression test passes (or absence of seam is documented)
  • All [DEBUG-...] instrumentation removed (grep the prefix)
  • Throwaway prototypes deleted (or moved to a clearly-marked debug location)
  • The hypothesis that turned out correct is stated in the commit / PR message, so the next debugger learns

Подключить через AnyModel API

Скилл работает на той модели, которую использует агент. Подключите Claude Code, Codex или Cursor к AnyModel и запускайте его на Claude, GPT, Gemini и других моделях по одному ключу — оплата за токены, без подписки.

Ещё из пака Скиллы Мэтта Покока

Ревью по стандартам и спецификации

Проверяет дифф от коммита, ветки или тега по двум осям в параллельных субагентах: записанные стандарты репозитория с базовым набором запахов кода по Фаулеру и исходная спецификация. Для случаев, когда ветку или PR надо сверить с задачей.

Проектирование глубоких модулей

Задаёт общий словарь для глубоких модулей — интерфейс, шов, адаптер, глубина — с тестом на удаление, видами зависимостей и проектированием в нескольких вариантах через субагентов. Для случаев, когда нужно придумать интерфейс модуля или место шва.

Модель предметной области

Уточняет язык предметной области по ходу проектирования: оспаривает размытые и противоречивые термины, сразу пишет согласованные в GLOSSARY.md и предлагает короткий ADR лишь для трудно обратимых решений. Для случаев, когда обсуждают термины или пишут ADR.

Реализация спецификации по тикетам

Реализует спецификацию и её тикеты на одной интеграционной ветке: по свежему субагенту-исполнителю на тикет в своём worktree, параллельно по графу блокировок, затем ревью и один проход исправлений. Для случаев, когда тикеты из to-tickets уже готовы.

Улучшение архитектуры кодовой базы

Ищет мелкие модули, которые стоит углубить, начиная с чаще всего меняющегося кода, показывает кандидатов в HTML-отчёте со схемами «до и после» и разбирает выбранный вместе с вами. Для случаев, когда код стало трудно тестировать и понимать.

Прототип на выброс

Пишет прототип на выброс под один вопрос о дизайне: кликабельное HTML-демо модели состояний в одном файле или несколько разных вариантов интерфейса на одном маршруте с переключением через URL. Для случаев, когда нужно проверить логику или облик страницы.

Ретро сессии с агентом

Разбирает прошедшую сессию агента по логам и предлагает, что поменять в окружении: указатели в CLAUDE.md, правила линтера, pre-commit и CI, стандарты для ревью, вызовы инструментов. Для случаев, когда агент долго искал нужное или ошибался.

TDD с интеграционными тестами

Ведёт разработку через тесты на публичных интерфейсах: согласует с пользователем швы для тестов, делает по одному циклу red-green на тест, мокает только границы системы, рефакторинг оставляет ревью. Для случаев, когда фичу или баг делают тестами вперёд.

Спецификация из разговора

Собирает из текущего разговора и кода спецификацию с пользовательскими историями, решениями по реализации и тестам и публикует её в трекер с меткой ready-for-agent, без расспросов. Для случаев, когда фичу уже обсудили и её пора записать.

Разбивка спецификации на тикеты

Режет спецификацию, план или разговор на тикеты-трассирующие пули: вертикальные срезы на одну сессию агента со связями блокировки, и публикует их файлами или задачами в трекере. Для случаев, когда работа не влезает в одну сессию.

Триаж задач и PR

Разбирает входящие задачи и внешние PR в трекере: ставит категорию и состояние, ищет готовый код и прошлые отказы, воспроизводит баги и пишет бриф для агента. Для случаев, когда мейнтейнер разгребает поток задач и PR.

Карта для большой работы

Раскладывает работу, которая не влезает в одну сессию агента, в карту в трекере с дочерними тикетами-решениями и закрывает по тикету за сессию, пока путь к цели не прояснится. Для случаев, когда большая задача упирается в нерешённые вопросы.

Bash-мастер для ручных шагов

Пишет интерактивный bash-скрипт, который ведёт человека по ручным шагам: открывает нужные страницы, принимает ключи и пишет их в .env и секреты GitHub. Для случаев, когда настройка сервисов или миграция требует действий, которые агент сам не сделает.

Защита от опасных git-команд в Claude Code

Ставит в Claude Code хук PreToolUse, который останавливает типовые формы git push, reset --hard, clean -f, branch -D и отката всего дерева, для одного проекта или для всех, и проверяет его. Для случаев, когда нужна страховка от того, что агент сам запушит или сотрёт работу.

Перевод тестов на shoehorn

Заменяет as и as unknown as в тестах на TypeScript на fromPartial и fromAny из @total-typescript/shoehorn, добавляет импорты и запускает проверку типов. Для случаев, когда тесты собирают объекты целиком или обманывают компилятор приведениями.

Настройка pre-commit хуков

Ставит Husky и lint-staged в Node-репозиторий: каждый коммит прогоняет Prettier по staged-файлам, проверку типов и тесты; учитывает менеджер пакетов и делает первый коммит через хук. Для случаев, когда в репозитории нет проверок при коммите.

Допрос плана

Допрашивает пользователя о плане раундами пронумерованных вопросов с рекомендуемым ответом, факты ищет сам через субагентов и не останавливается, пока остаются допущения. Для случаев, когда план надо проверить на прочность до начала работы.

Обучение новой теме

Ведёт курс по теме в текущей папке на много сессий: цель, проверенные источники, короткие HTML-уроки с тестами, шпаргалки и записи о выученном. Для случаев, когда тему нужно освоить всерьёз, а не получить один ответ.

Опросник для решения

Составляет Markdown-опросник для человека, у которого есть нужные знания, спросив только, кому он и какие ответы нужны; важные вопросы идут первыми. Для случаев, когда решение упирается в факты от другого человека.

Тексты для агентов: скиллы и AGENTS.md

Даёт правила для текстов, которые читает агент: описание скилла как указатель, что держать в файле и что выносить, критерии готовности, опорные слова и чистка. Для случаев, когда пишете или правите скилл, AGENTS.md или CLAUDE.md.