NocodeMrLi/mini-program-engineering-skill-suite / skills/mini-program-debugging-skill
mini-program-debugging-skill
UnverifiedDiagnose and fix mini-program failures through reproducible, evidence-driven root-cause analysis across source, state, asynchronous timing, caches, mock data, build versions, platform behavior, devices, cloud calls, and external services. Use when users report white screens, crashes, stale or jumping values, missing data, intermittent behavior, permission failures, performance stalls, device-only defects, API or cloud-function errors, source-versus-build mismatches, or regressions whose cause is not yet established. Freezes the observation environment, ranks competing hypotheses, runs discriminating checks, creates a failing regression test before repair, covers analogous states, and never hides a known failure with longer waits, swallowed errors, forced success, or cosmetic patches.
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 5.3 KB |
| agents/openai.yaml | config | 292 B |
| assets/debugging-report.md | markdown | 1.2 KB |
| references/debugging-workflow.md | markdown | 4.9 KB |
| references/interruption-recovery-protocol.md | markdown | 3.4 KB |
references/debugging-workflow.md
View on GitHub# 问题调试工作流与触发场景
## 证据质量检查
- 复现记录绑定源码/构建、环境、设备、账号/数据状态与时间,不混用历史样本。
- 每个竞争假设都可被某项观察否定;先做只读、低成本、信息增益高的判别实验。
- 根因能同时解释症状、边界和反例;“改完不报错”不等于解释成立。
- 修复前回归测试确实失败,修复后原症状、同类状态和受影响契约通过。
- 真机、云端和平台状态只使用对应层证据;日志中不回显凭证、身份或内部地址。
## 代表场景
### 场景 1:正常场景——异步数据导致数值跳变
页面先显示默认值,再被异步缓存或接口替换。记录渲染时间线,比较默认值、缓存和远端状态,写失败测试覆盖初始化/恢复,再修正唯一状态源或渲染条件;不能只延长加载态。
### 场景 2:正常场景——源码正确但设备仍显示旧行为
核对当前分支、构建时间、开发者工具加载目录和设备版本。若构建版本不一致,将结论停在版本错配;不能重复改源码来追逐旧产物。
### 场景 3:边界场景——外部服务间歇失败
按调用前、传输、服务返回、业务有效性、持久化/扣减和界面反馈分段记录错误码、耗时与参数形态,比较成功/失败样本;凭证只核对存在性。空/畸形结果不写完成态也不扣次数;证据不足时保留竞争假设,不靠无限重试掩盖失败。
### 场景 4:边界场景——旧回调污染新操作
连续短按、重录、重传或重复提交后出现状态跳回。记录每次 attempt ID 与回调时间,验证旧回调是否在 ID 失效后仍写状态或停止新资源;不能只延长防抖时间掩盖竞争。
### 场景 5:失败场景——问题无法复现
记录环境、频率、最后正常版本和所需最小观测点,提供下一次采样方案。不能仅凭一张截图宣布根因或直接修改多个模块。
### 场景 6:不应触发——产品想法尚未定义
用户希望新增一个奖励页,但用户、规则和状态未确认。应进入产品规格流程,不把需求缺失当成代码缺陷调试。
## 假设与实验表
| 假设 | 可解释现象 | 反对证据 | 判别实验 | 结果 | 状态 |
| --- | --- | --- | --- | --- | --- |
| | | | | | 待查/排除/支持/证实 |
## 根因门禁
按[运行时合同](../../mini-program-ui-device-skill/references/runtime-state-and-layout-contracts.md)区分旧响应隔离与新查询发生、控制器停止与界面复位、会话归属与保存代次、空值与派生兜底。用可控promise逐边界复现,记录调用次数、持久结果和当前界面,保留正常路径。
按[微信适配](../../../platforms/wechat/commerce-and-cloud-contracts.md)核本次身份/固定诊断;按[云合同](../../mini-program-architecture-skill/references/cloud-state-and-write-contracts.md)核独立响应、目标SDK封装、非抛出错误、业务读回与I/O前持久预算。同类型不证明同格式/标识,没抛异常不证明根字段更新,Timer间隔不证明实际节奏,先分机制再补最小证据,不放宽校验求通过。
编译/预览路线失败后,依据实际错误选择一次具体人工配合或有据替代,说明对象、预期结论与尝试上限。无新证据不反复重启、重打包或同一 GUI 点击。用户已有原生工具可简单完成时先采用该路径;未知外部写入仍保留原请求并查询,换工具不能重放。按 [工具与分工核对](../../mini-program-project-intake-skill/references/intake-workflow.md) 复用有效产物及已有事实。
只有当证据能排除主要替代解释、根因能解释关键现象且修复/反例实验按预测变化时,才标记“根因已证实”。否则使用“最可能假设”并列出下一项判别实验。
## 多时点与多来源差异定位
已有异步核验时,先列请求/集合/筛选、来源覆盖截止、下载、本地业务变化和核验时间线。分开格式/语义未知、身份/权限/不变量冲突及有证据支持的暂时可见性差异;只有获准暂时差异按[云合同](../../mini-program-architecture-skill/references/cloud-state-and-write-contracts.md)复用同一持久预算和节奏,重取完整本轮证据,不重复业务、改时间戳或换键。旧匹配回执不绕过当前待核,耗尽保留原失败与可发现复核。
状态文案不证明渠道/身份,取得非空原文与独立对象核目标协议、可信作用域和判断集合;筛选变更核覆盖与旧任务适用,不以全状态都须完成制造误阻断,也不通过漏应核记录制造通过。助手先完成可得核验,只请求必要缺失事实;说明哪一步受阻、下次核验条件/时间和可恢复结果,不安排用户反复点击、付费或每日搬证据。无异步/外部功能标N/A。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| finishing-a-development-branchobra/superpowersUse when implementation is complete, all tests pass, and you need to decide how to integrate the work | Stars: 318k | Updated | Claude CodeCodex | Unverified | Install |
| systematic-debuggingobra/superpowersUse when encountering any bug, test failure, or unexpected behavior, before proposing fixes | Stars: 318k | Updated | Claude CodeCodex | Unverified | Install |
| test-driven-developmentobra/superpowersUse when implementing any feature or bugfix, before writing implementation code | Stars: 318k | Updated | Claude CodeCodex | Unverified | Install |
| skill-creatoranthropics/skillsCreate new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |