调试

这一课你将能做到

1. 用「假设→插桩→复现→分析→修复→验证」的科学调试流程，让 AI 高效参与
2. 写出让 AI 能精准定位 bug 的最小复现和错误描述
3. 区分「AI 能独立修的 bug」和「必须人工介入的 bug」

为什么要学

AI 时代调试的场景变了：以前是你对着代码想「哪里错了」，现在是 AI 生成了一段代码，跑着跑着出问题了，你要判断「是 AI 写错了，还是我的需求描述错了，还是环境/数据的问题」。

人话：AI 把「写代码」的成本降到接近零，但「调试」的成本没变，甚至因为代码不是你写的，理解成本更高了。不会调试的 Vibe Coder，就像不会修车的司机——车是租来的，坏了只能干瞪眼。

真实开发中，AI 辅助调试的最大价值不是「让 AI 替你找 bug」，而是加速「假设→验证」的循环：AI 帮你快速插桩、快速分析日志、快速生成测试用例，把原来半小时的排查压缩到五分钟。

先建立图像

AI 辅助调试的循环：
┌─────────────────────────────────────────┐
│ 1. 假设：AI 帮你列出可能的原因             │
│ 2. 插桩：AI 生成日志/断点/测试代码         │
│ 3. 复现：你跑一遍，拿到现象               │
│ 4. 分析：AI 解读日志，缩小范围             │
│ 5. 修复：AI 生成修复方案                   │
│ 6. 验证：AI 跑测试确认没有回归             │
│    ↓ 如果没修好，回到 1，带着新信息        │
└─────────────────────────────────────────┘

跟着做

步骤 1：给 AI 一个「可调试」的错误描述

假设你的文章列表接口返回空数组，但数据库里有数据。差的描述：

接口返回空，帮我看看

AI 只能瞎猜。好的描述：

现象：GET /articles 返回 { code: 0, data: { records: [], total: 0 } }，但数据库 article 表有 5 条数据。

复现步骤：
1. 启动应用（Spring Boot 3 + MyBatis-Plus）
2. 直接访问 http://localhost:8080/articles
3. 不登录、不带任何参数

相关代码：
[贴 ArticleController.list 和 ArticleService.list]

预期：返回 5 条数据
实际：返回空数组，total 也是 0

已排查：
- 数据库连接正常（其他接口能查到数据）
- 没有报错日志

步骤 2：让 AI 生成「排查清单」

基于以上信息，列出最可能的 5 个原因，按概率排序，每个给出验证方法。

AI 可能会给出：

1. MyBatis-Plus 的 QueryWrapper 条件拼错了 → 打印生成的 SQL
2. 分页参数 page=1, size=10 但插件没注册 → 检查 MybatisPlusConfig
3. 字段映射问题，实体类字段和表字段不匹配 → 检查 @TableField
4. 有全局拦截器/过滤器改了返回 → 检查拦截器链
5. 逻辑删除了，但查询没加 deleted=0 → 检查 @TableLogic

步骤 3：让 AI 生成插桩代码

帮我生成临时日志代码，验证第 1 和第 2 个假设：
1. 打印 MyBatis-Plus 实际执行的 SQL
2. 打印分页插件是否生效

AI 会给你：

// 临时插桩：打印 SQL
Page<Article> page = new Page<>(pageNum, pageSize);
log.info("查询条件: {}", queryWrapper.getSqlSegment());
Page<Article> result = articleMapper.selectPage(page, queryWrapper);
log.info("实际 SQL: {}", page.getSqlSegment()); // 需要配置
log.info("返回总数: {}, 当前页条数: {}", result.getTotal(), result.getRecords().size());

步骤 4：执行、收集、反馈

把日志输出贴给 AI：

日志输出：
查询条件: (status = 1)
返回总数: 0, 当前页条数: 0

但数据库里 status 字段的值是 'PUBLISHED' 不是 1。

AI 立刻定位：status 字段类型不匹配，Java 里是 String，查询条件传了 Integer。

步骤 5：修复并验证

修复：查询条件用字符串 'PUBLISHED' 而不是数字 1。
同时检查项目里所有查询 status 的地方，确保类型一致。

修复后让 AI 跑测试：

跑一下 ArticleServiceTest，确认修复没有破坏其他场景。

步骤 6：区分「AI 能修的」和「必须人修的」

AI 能独立修的：

• 语法错误、类型不匹配、空指针（堆栈明确）
• 边界条件（off-by-one、空列表、null 值）
• 常见框架用法错误（MyBatis-Plus 分页插件没注册、Jackson 序列化格式）

必须人工介入的：

• 业务逻辑错误（AI 不知道「应该是什么样」）
• 并发/分布式问题（需要理解全局状态）
• 性能问题（需要 profiling 数据，AI 只能给通用建议）
• 环境/配置问题（AI 看不到你的服务器、网络、中间件）

讲清楚要点

1. 错误描述的质量决定 AI 的排查效率：现象+复现+相关代码+预期vs实际+已排查项，五要素齐全，AI 一次定位；缺一样，AI 瞎猜。
2. AI 的核心价值是加速「假设→验证」循环：不是替你思考，是帮你快速生成插桩代码、快速解读日志、快速列出可能性。
3. 最小复现是调试的第一生产力：能把问题复现到一个 10 行代码的测试用例里，AI 修复率接近 100%；复现不了的问题，AI 也帮不了你。
4. 业务逻辑 bug 必须人工把关：AI 不知道你的业务规则，它只能发现「代码写了什么」，不能发现「代码应该写什么」。
5. 修复后必须跑回归测试：AI 修 bug 的特点是「头痛医头」，修 A 可能弄坏 B。测试套件是你的安全网。

你可能会懵的地方

• AI 为什么有时候能找到 bug，有时候完全跑偏？ 取决于错误信息的明确度。堆栈明确的语法/类型错误，AI 修复率极高；业务逻辑错误，AI 没有「应该是什么样」的知识，只能瞎猜。给它业务规则，它才能判断对错。

• AI 生成的修复方案我怎么判断靠不靠谱？ 三步：1. 理解修复思路（让 AI 解释为什么这么修）；2. 检查是否引入了新的副作用（改了公共方法？改了共享状态？）；3. 跑测试验证。三步都过才合入。

• 生产环境的 bug 能让 AI 调吗？ 可以辅助分析（贴日志、贴堆栈、描述现象），但不要让 AI 直接操作生产环境。生产调试的权限必须留在人手里，AI 只出方案。

• AI 建议我加一堆日志，会不会影响性能？ 临时调试日志加 DEBUG 级别，确认问题后删掉。长期日志按级别分层：ERROR 必看，WARN 关注，INFO 记录关键流程，DEBUG 只在排查时开。

• 为什么 AI 有时候修复一个问题又引入新问题？ 上下文不完整。AI 不知道你项目的全局约束（比如「这个字段不能改因为前端依赖」）。修复涉及公共代码时，把相关调用方也贴给 AI，让它评估影响面。

错法对照

错法	问题	正解
「接口报错了，帮我看看」	无现象无复现，AI 瞎猜	五要素错误描述
贴 500 行代码让 AI 找 bug	注意力涣散	最小复现，只贴相关片段
AI 说「可能是 X」就直接改	没验证就改，可能越改越坏	先插桩验证假设，再修复
修复后不跑测试	修 A 坏 B，回归引入	修复+测试是原子操作
生产环境让 AI 直接操作	风险不可控	AI 只出方案，人来执行

卡点急救

1. AI 反复修不对同一个 bug：停止循环，回到「最小复现」。写一个能稳定复现问题的测试用例，贴给 AI，修复率会飙升。
2. 日志太多 AI 抓不住重点：用「关键时间点+关键字段」过滤。比如「用户 ID 12345 在 10:23:45 的请求，从进入 Controller 到返回的完整日志」。
3. 问题只在特定环境复现：把环境差异（JDK 版本、数据库版本、中间件版本）写进错误描述。AI 不知道你的环境，环境差异是「本地好好的线上就炸」的常见原因。

面试常问

• AI 辅助调试的工作流是什么？ 高分回答：科学调试流程（假设→插桩→复现→分析→修复→验证），AI 在每个环节加速：生成排查清单、生成插桩代码、解读日志、生成修复方案、跑回归测试。但强调「最小复现」和「业务逻辑人工把关」两个边界。

• AI 修复 bug 引入回归怎么控制？ 修复前确保测试覆盖；修复后跑全量相关测试；修复涉及公共方法时评估影响面；用 git 分支隔离，方便回滚。

• 生产环境的高危 bug，AI 能参与吗？ 可以辅助分析（日志解读、可能原因列举），但操作权限必须在人手里。AI 生成的修复方案需要人工审查+测试环境验证后才能上生产。

自测三问

1. AI 辅助调试的六步循环是什么？
2. 写出「可调试的错误描述」需要哪五个要素？
3. 哪三类 bug 必须人工介入，AI 只能辅助？

小结一句话

AI 辅助调试不是让 AI 替你找 bug，是让你用科学流程驾驭 AI，把「假设→验证」的循环压缩到分钟级。

延伸

• Claude Code 官方文档：调试与错误恢复
• 下一课：版本控制——Git 与 AI 协作的原子提交和分支策略。