免费在 GitHub 公开中文介绍

investigate-first

在修改代码前调查原因不明的故障、间歇性异常和性能下降，区分实测症状与推测，依据证据筛选原因假设，并报告原因及其依据。

原文查看原文说明

Diagnose ambiguous failures before editing. Use for unknown causes, intermittent behavior, performance regressions, or investigations needing evidence-ranked hypotheses.

JuliusBrussee/caveman

AI 评分90分/ 100 查看安装方法

适用场景

调查原因不明的故障
查找间歇性异常的原因
定位性能下降的原因
用证据比较原因假设

中文介绍

功能

针对原因不明确的故障，在修改代码前收集证据并开展调查。区分实际观察到的症状与推测的原因，追踪输入、状态变化、各处理环节的职责边界，以及失败时的输出。根据证据强度和能否以较小投入证伪，对原因假设排序。在找到足以解释证据的可信机制之前，暂不修改产品代码。

适用场景

适合调查触发条件不明的故障、偶尔出现的异常，或处理速度比以前变慢的问题。当存在多个可能原因，希望在凭假设着手修复之前整理依据时，也可使用。

使用示例

“调查这个间歇性错误，将实际症状与原因假设分开报告。”
“调查性能下降的原因，从有证据支持的假设开始依次验证。”

注意事项

证据足以指出原因，或指出阻碍调查的具体因素时，即结束调查。报告会说明原因及支持该判断的证据。只有请求已授权实施修复时，才会进行修复。

本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么: A良好明确针对原因不明、间歇异常及性能下降，在编辑前收集证据。
步骤具体性步骤、输入输出和示例是否具体: B部分不足说明追踪对象及假设排序标准，但没有具体验证示例或报告模板。
安全性发送数据、删除文件、执行命令等是否有说明: A良好证据支持可信机制前不修改产品代码，实施修复须有任务授权。
安装难易度所需工具和 API 密钥是否少且有说明: A良好内容为证据收集与报告原则，未指定特定工具或凭据。

总分按每项 A=25 分、B=15 分、C=5 分相加。由 AI（OpenAI Codex）于 2026年10月20日评估。仅供参考，安装前请同时查看原文。

如果您认为评估有误，请申请复核

包含的文件（2）

SKILL.md688 B
agents/openai.yaml202 B

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

Investigate first

Gather evidence before changing product code.

Separate observed symptom from inferred cause.
Trace inputs, state transitions, ownership boundaries, and failure output.
Rank hypotheses by evidence and cheap falsification value.
Do not edit until one credible mechanism explains evidence.
Stop exploration when evidence is sufficient to name cause or exact blocker.

Report cause and proof. Make no fix unless task authorizes implementation.

评价

还没有评价。欢迎分享你的使用感受。

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

同一仓库的技能