📌 safe-debug 是什么？
调试代码最怕的不是找不到 bug，而是"越调越糟"——改着改着把环境搞坏、把数据弄丢、把生产搞挂。safe-debug 是 RigorPilot 系列的技能，让 AI 在隔离、可控的前提下帮你调试代码。
它的核心思路是"先保护、再动手"：在隔离环境里复现问题、用假设验证法缩小范围、做最小改动、每步验证，避免一上来就大改特改引入新问题。
这套方法尤其适合那些环境珍贵（如生产数据、好不容易搭好的实验环境）、不能随意折腾的场景。
🧩 核心功能
隔离调试：在独立分支、容器或临时环境里调试，不污染主环境。
问题复现：先稳定复现 bug，记录复现步骤。
假设验证：列出可能原因，逐条验证缩小范围。
最小改动：做最小、可回退的修改。
回归验证：修复后跑测试确认没有引入新问题。
过程留痕：记录调试过程和结论，方便复盘。
👍 优点
安全：不搞坏环境、不丢数据。
有条理：按方法排查，不瞎试。
可回退：改动可控，出问题能退回来。
⚠️ 不足与局限
隔离环境本身要花点时间准备。
对偶发、难复现的问题，仍要多轮尝试。
涉及生产环境的操作仍需人工把关。
🙋 适合谁用
开发者：调试棘手 bug。
维护老系统的人：在不敢乱动的环境里排查问题。
数据/算法工程师：在珍贵环境里安全调试。
团队：统一安全调试规范。
🛠️ 第一次安装
前提：电脑装了 Node.js（18+），有支持 Skill 的 AI 工具（如 Claude Code）。打开终端执行：
CLI 会自动检测你装的 AI 助手，确认安装位置后即可使用，装完可以用 npx skills list 确认它在列表里。
✍️ 上手：几个真实例子
场景一：安全排查
场景二：偶发问题
场景三：数据安全
🎯 典型应用场景
棘手 bug 排查：用系统方法缩小范围。
珍贵环境调试：隔离调试避免破坏。
数据安全：调试涉及数据的脚本。
修复验证：改完确认无回归。
⚖️ 和类似方案对比
普通调试往往"想到哪改到哪"，容易引入新问题；safe-debug 强调"隔离 + 复现 + 假设验证 + 最小改动 + 回归验证"这套流程，虽然多花一点准备时间，但能把调试的风险降到最低，尤其适合那些不敢乱动的环境。
💡 常见问题 FAQ
问：隔离环境怎么搭？
可以让你用 git 分支、Docker 容器、或复制一份数据到临时目录，AI 会给出具体做法。
问：偶发 bug 怎么查？
先从日志、触发条件入手，让它帮你找规律、设计复现路径。
问：会改生产环境吗？
不会，它会坚持在隔离环境操作，涉及生产的改动会让你确认。
问：改完怎么验证？
跑相关测试、复现路径重试，确认问题解决且无回归。
🤖 适合哪些 AI 工具
Claude Code、Cursor、Codex、GitHub Copilot 等支持 Skill 的工具都能装。
◯ 评论 0