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:
-
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)
-
5Why分析:逐层追问"为什么"，直到找到根本原因
- 第1层:直接错误现象
- 第2层:直接技术原因
- 第3层:设计或实现问题
- 第4层:流程或机制缺陷
- 第5层:根本原因(架构/规范/培训等)
-
输出结构:
## 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:
-
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)
-
聚类分析:按以下维度归类
- 按模块聚类:同一服务/模块的缺陷
- 按错误类型聚类:相同异常类型的缺陷
- 按根因聚类:相同设计或实现缺陷导致的多个问题
- 按时间聚类:同一版本发布的缺陷
-
输出结构:
## 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:
-
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
-
漏测原因分析:
- 用例覆盖:该场景是否在测试用例中
- 场景遗漏:是否考虑了边界条件、异常流程、高并发等
- 数据准备:测试数据是否真实覆盖生产场景
- 环境差异:测试环境与生产环境的配置差异
-
输出结构:
## 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:
-
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
-
知识库搜索:
- 检查是否有相似的缺陷记录
- 检查是否有相同的技术方案或架构设计
- 检查是否有已知的坑点或风险点
-
判定标准:
- 复发(Regression):与历史问题完全相同，已修复后再次出现
- 相似(Similar):错误类型相同或根因相似，但具体场景不同
- 新问题(New):首次出现，无历史记录
-
输出结构:
## 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:
- 分析日志定位超时点
- 使用5Why法追溯根因
- 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:
- 提取每个缺陷的特征
- 按模块、错误类型、根因进行聚类
- 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:
- 分析问题引入阶段
- 判定主责方和漏测原因
- 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:
-
数据清洗与提取:
- 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
- 忽略无效或格式错误的条目，记录数据质量报告
- 遍历所有缺陷，提取关键字段：
-
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
-
系统性风险研判:
- 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
- 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
- 判断是否存在共性模式：
-
生成改进策略:
- 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
- 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）
- 针对Top 1问题提出具体的流程改进建议：
-
输出结构:
## 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]