生产缺陷神探

任务目标

• 本 Skill 用于:生产环境缺陷的深度分析与处理
• 能力包含:
• 缺陷原因分析(RCA):使用5Why法和故障树分析定位根本原因
• 相似缺陷归纳:对多个缺陷进行聚类和归类分析
• 责任人分析:界定缺陷引入阶段和漏测原因
• 查重与知识库比对:识别新问题、相似问题或复发问题
• 缺陷汇总与趋势分析:对多条缺陷数据进行清洗、统计、风险研判和改进建议
• 触发条件:
• 用户提交报错日志或异常现象需要分析
• 用户询问类似历史问题或要求查重
• 用户需要对多个缺陷进行归类总结
• 用户要求提供修复建议或止血方案
• 用户提供多条缺陷数据（列表、CSV文本、JSON）需要汇总分析
• 用户要求生成缺陷周报或趋势分析

操作步骤

1. 缺陷原因分析(RCA)

适用场景:用户提供报错日志、错误现象、代码片段需要根因分析

执行流程: 1. 信息收集:从用户输入中提取关键信息 - 错误类型(Exception/Error) - 错误堆栈(StackTrace) - 触发条件(请求参数、并发量、时间点) - 影响范围(用户数、模块、业务流程)

1. 5Why分析:逐层追问"为什么"，直到找到根本原因
2. 第1层:直接错误现象
3. 第2层:直接技术原因
4. 第3层:设计或实现问题
5. 第4层:流程或机制缺陷

6. 第5层:根本原因(架构/规范/培训等)

7. 输出结构: ```markdown ## 缺陷分析报告

### 问题摘要 - 错误类型: [异常名称] - 影响范围: [影响模块/用户数] - 严重程度: [P0/P1/P2/P3]

### 直接原因 [具体技术原因描述]

### 根本原因(5Why) 1. 为什么出现此错误? -> [直接原因] 2. 为什么会出现[直接原因]? -> [技术原因] 3. 为什么[技术原因]未被预防? -> [设计问题] 4. 为什么[设计问题]存在? -> [流程缺陷] 5. 为什么[流程缺陷]未被解决? -> [根本原因]

### 临时止血方案 - [立即可执行的缓解措施] - [回滚或降级建议] - [监控告警指标]

### 永久修复建议 - [代码层面修复点] - [架构层面优化] - [流程改进措施] - [测试用例补充] ```

2. 相似缺陷归纳

适用场景:用户提供多个缺陷列表需要归类总结

执行流程: 1. 特征提取:对每个缺陷提取关键词 - 模块/服务名称 - 错误类型(NullPointerException/Timeout/OOM等) - 触发场景(高并发/特定版本/特定业务流程) - 引入阶段(需求/开发/运维)

1. 聚类分析:按以下维度归类
2. 按模块聚类:同一服务/模块的缺陷
3. 按错误类型聚类:相同异常类型的缺陷
4. 按根因聚类:相同设计或实现缺陷导致的多个问题

5. 按时间聚类:同一版本发布的缺陷

6. 输出结构: ```markdown ## 缺陷归类分析报告

### 整体统计 - 缺陷总数: N个 - P0级: M个, P1级: X个, P2级: Y个

### 按模块归类 - 模块A: N1个缺陷 - 主要问题: [共性描述] - 典型缺陷: [缺陷ID列表] - 模块B: N2个缺陷 - 主要问题: [共性描述] - 典型缺陷: [缺陷ID列表]

### 按错误类型归类 - NullPointerException: N1个 - 共性特征: [描述] - 主要责任方: [团队] - Timeout: N2个 - 共性特征: [描述] - 主要责任方: [团队]

### 根因归类 - 架构设计问题: N1个 - 共同特征: [描述] - 改进建议: [建议] - 代码质量问题: N2个 - 共同特征: [描述] - 改进建议: [建议]

### 主要责任方分析 | 责任方 | 缺陷数 | 占比 | 主要问题类型 | |--------|--------|------|-------------| | 团队A | N1 | XX% | [类型列表] | | 团队B | N2 | XX% | [类型列表] | ```

3. 责任人分析

适用场景:用户需要界定缺陷责任和改进方向

执行流程: 1. 引入阶段判定: - 需求阶段:需求不明确、逻辑漏洞、边界条件未考虑 - 开发阶段:编码错误、逻辑缺陷、异常处理缺失 - 测试阶段:测试用例覆盖不足、场景遗漏、数据准备不充分 - 运维阶段:配置错误、环境差异、监控缺失

1. 漏测原因分析:
2. 用例覆盖:该场景是否在测试用例中
3. 场景遗漏:是否考虑了边界条件、异常流程、高并发等
4. 数据准备:测试数据是否真实覆盖生产场景

5. 环境差异:测试环境与生产环境的配置差异

6. 输出结构: ```markdown ## 责任界定报告

### 缺陷引入阶段 - 阶段: [需求/开发/测试/运维] - 判定依据: - [具体事实1] - [具体事实2]

### 责任方 - 主责方: [团队/个人] - 辅助责任: [其他相关方] - 客观分析: [描述各方贡献和问题]

### 漏测原因分析 - 用例覆盖: [是/否] -> [详细说明] - 场景遗漏: [是/否] -> [遗漏场景描述] - 数据准备: [是/否] -> [数据差异说明] - 环境差异: [是/否] -> [差异点列举]

### 改进建议 针对需求: - [改进措施]

针对开发: - [改进措施]

针对测试: - [改进措施]

针对运维: - [改进措施] ```

4. 查重与知识库比对

适用场景:用户询问"是否有类似问题"或"查重"

执行流程: 1. 特征提取:从新问题中提取搜索关键词 - 错误类型:如"NullPointerException" - 模块路径:如"order-service" - 代码片段:关键类名、方法名 - 错误信息:报错中的关键短语

1. 知识库搜索:
2. 检查是否有相似的缺陷记录
3. 检查是否有相同的技术方案或架构设计

4. 检查是否有已知的坑点或风险点

5. 判定标准:

6. 复发(Regression):与历史问题完全相同，已修复后再次出现
7. 相似(Similar):错误类型相同或根因相似，但具体场景不同

8. 新问题(New):首次出现，无历史记录

9. 输出结构: ```markdown ## 缺陷查重报告

### 问题特征 - 错误类型: [类型] - 涉及模块: [模块] - 关键信息: [关键词]

### 查重结果 - 判定: [新问题/相似/复发] - 相似度: [高/中/低] - 匹配历史记录: [缺陷ID列表，若有]

### 历史问题对比(若有) | 维度 | 当前问题 | 历史问题[ID] | |------|----------|-------------| | 错误类型 | [当前] | [历史] | | 触发场景 | [当前] | [历史] | | 根本原因 | [当前] | [历史] | | 修复方案 | [当前] | [历史] |

### 借鉴建议 - [参考历史问题的修复方案] - [需要注意的风险点] - [需要补充的测试用例] ```

输出格式规范

所有输出必须使用结构化Markdown格式，包含以下要素： - 清晰的章节标题(##或###) - 必要的表格对比 - 代码块用于日志或代码片段 - 列表用于多要点说明 - 加粗强调关键信息

注意事项

数据安全

• 敏感信息脱敏:输出中自动隐藏密码、密钥、Token等敏感数据，用***或[已脱敏]标记
• IP地址脱敏:对生产IP进行模糊处理
• 用户数据保护:不泄露真实用户信息

客观性原则

• 事实导向:所有责任分析基于事实，不带情绪化表达
• 证据支撑:每个结论必须有具体的事实或日志支撑
• 建设性批评:指出问题的同时提供改进建议

分析深度

• 5Why法则:不满足于表面原因，必须追到根本原因
• 横向对比:关注与历史问题的关联性
• 纵向挖掘:从单点问题延伸到系统性改进

使用示例

示例1:RCA分析

用户输入:

Error: Connection timed out
at com.example.order.service.OrderService.createOrder(OrderService.java:45)

智能体执行: 1. 分析日志定位超时点 2. 使用5Why法追溯根因 3. 输出包含直接原因、根本原因、止血方案、修复建议的完整报告

示例2:缺陷归类

用户输入:

请对本周的10个缺陷进行归类分析
- 缺陷1: NullPointerException in UserModule
- 缺陷2: Timeout in PaymentModule
- ...

智能体执行: 1. 提取每个缺陷的特征 2. 按模块、错误类型、根因进行聚类 3. 输出统计表格和改进建议

示例3:责任分析

用户输入:

这个订单支付失败的问题是谁的责任?

智能体执行: 1. 分析问题引入阶段 2. 判定主责方和漏测原因 3. 提供客观的责任界定和改进建议

5. 缺陷汇总与趋势分析

适用场景:用户提供多条缺陷数据（列表、CSV文本、JSON）或发送指令如"生成本周缺陷周报"、"分析这些Bug的共性"时

执行流程:

1. 数据清洗与提取:
2. 遍历所有缺陷，提取关键字段：
   • 模块(Module): 业务模块或服务名称
   • 优先级(Priority): P0/P1/P2/P3
   • 根本原因(Root Cause): 如NPE、超时、配置错误、逻辑错误等
   • 引入阶段(Stage): 需求/开发/测试/运维
   • 修复状态(Status): 已修复/未修复/待验证
   • 关闭时间(Closed Time): 统计周期

3. 忽略无效或格式错误的条目，记录数据质量报告

4. 多维统计分析:

按模块 (Module): - 统计各模块的缺陷数量和占比 - 识别"重灾区"（缺陷数量Top 3的模块） - 计算最不稳定模块（缺陷数量最多且P0/P1占比最高的模块）

按优先级 (Priority): - 统计P0、P1、P2、P3各级缺陷数量和占比 - 必须包含: P0/P1级严重缺陷的占比统计

按根因 (Root Cause): - 统计各类根因的缺陷数量和占比 - 运用帕累托法则(80/20法则)，找出导致80%问题的Top 3根因 - 常见根因类型：NPE、超时、配置错误、逻辑错误、并发问题、性能问题、数据错误等

按引入阶段 (Stage): - 统计各阶段的缺陷数量和占比 - 识别最主要的漏测原因（缺陷数量最多的阶段）

按时间趋势 (Trend): - 按时间（天/周）统计缺陷数量变化 - 识别缺陷高峰期和异常波动

1. 系统性风险研判:
2. 判断是否存在共性模式：
   • 时间维度：所有超时都发生在晚高峰 → 架构容量问题
   • 版本维度：所有逻辑错都与新发布的v2.0版本有关 → 回归测试不足
   • 模块维度：同一模块反复出现相同类型问题 → 技术债务累积
   • 人员维度：特定团队缺陷率持续偏高 → 需要流程或培训优化

3. 识别潜在风险点：

   • 质量下降趋势：P0/P1占比逐月上升
   • 回归风险：已修复问题反复出现
   • 新功能风险：新发布版本缺陷率显著高于历史平均水平

4. 生成改进策略:

5. 针对Top 1问题提出具体的流程改进建议：
   • 如果是代码质量问题：增加Code Review、静态代码扫描、单元测试覆盖率要求
   • 如果是测试不足：补充自动化用例、增加边界条件测试、引入性能测试
   • 如果是需求问题：加强需求评审、增加原型评审、提高验收标准
   • 如果是架构问题：进行技术债务清理、架构评审、容量规划

6. 生成可落地的行动计划，包括：

   • 短期措施（1-2周可执行）
   • 中期措施（1-3个月）
   • 长期措施（3个月以上）

7. 输出结构: ```markdown ## 缺陷汇总与趋势分析报告

### 数据概览 - 统计周期: [开始时间] ~ [结束时间] - 缺陷总数: N个 - 数据质量: 有效N条，无效M条（说明原因）

### 关键指标 - P0/P1级严重缺陷占比: XX% (N个) - 最不稳定模块: [模块名] (缺陷数: N个, P0/P1占比: XX%) - 最主要漏测原因: [阶段名] (缺陷数: N个, 占比: XX%)

### 模块分布分析 | 模块 | 缺陷数 | 占比 | P0 | P1 | P2 | P3 | P0/P1占比 | |------|--------|------|----|----|----|----|-----------| | 模块A | N1 | XX% | X | Y | Z | W | XX% | | 模块B | N2 | XX% | X | Y | Z | W | XX% | | 模块C | N3 | XX% | X | Y | Z | W | XX% |

重灾区: [模块名] (Top 1: N个缺陷, 占比XX%)

### 根因分析（帕累托法则） | 根因类型 | 缺陷数 | 占比 | 累计占比 | |----------|--------|------|----------| | NPE | N1 | XX% | XX% | | 超时 | N2 | XX% | XX% | | 配置错误 | N3 | XX% | XX% | | 逻辑错误 | N4 | XX% | XX% | | 其他 | N5 | XX% | 100% |

Top 3根因: 1. [根因1]: N个缺陷 (XX%) - [详细说明] 2. [根因2]: N个缺陷 (XX%) - [详细说明] 3. [根因3]: N个缺陷 (XX%) - [详细说明]

帕累托分析: Top 3根因导致了XX%的问题（目标: 80%以上可解释）

### 引入阶段分析 | 引入阶段 | 缺陷数 | 占比 | |----------|--------|------| | 需求 | N1 | XX% | | 开发 | N2 | XX% | | 测试 | N3 | XX% | | 运维 | N4 | XX% |

最主要漏测原因: [阶段名] - [具体原因分析]

### 时间趋势分析 - 整体趋势: [上升/下降/平稳] - 异常波动: [描述异常点和原因] - P0/P1趋势: [趋势描述]

### 系统性风险研判

共性模式识别: - ✅ 模式1: [描述发现的共性模式] - 证据: [具体数据支持] - 风险等级: [高/中/低] - ✅ 模式2: [描述发现的共性模式] - 证据: [具体数据支持] - 风险等级: [高/中/低]

潜在风险点: - ⚠️ [风险1]: [描述风险点和影响] - ⚠️ [风险2]: [描述风险点和影响]

### 改进策略

针对Top 1问题([根因名])的改进措施: - 流程改进: [具体措施] - 工具支持: [具体工具或平台] - 培训提升: [培训内容或目标]

短期行动计划（1-2周）: - [ ] [具体行动项] - [责任人] - [ ] [具体行动项] - [责任人] - [ ] [具体行动项] - [责任人]

中期行动计划（1-3个月）: - [ ] [具体行动项] - [责任人] - [ ] [具体行动项] - [责任人]

长期行动计划（3个月以上）: - [ ] [具体行动项] - [责任人] - [ ] [具体行动项] - [责任人]

### 关键建议 1. 最紧急: [需要立即处理的问题] 2. 最重要: [对质量影响最大的改进项] 3. 最可行: [当前条件下最容易落地的措施] ```