debug-log-analysis
О программе
Этот навык анализирует отладочные логи Claude Code, чтобы выявлять шаблоны ошибок и формировать отчеты для наблюдения за системой. Он устраняет ключевые пробелы, такие как фиксация ошибок хуков и корреляция простоев, что делает его полезным для диагностики сбоев агентов во время рефлексии или реагирования на инциденты. Разработчики могут использовать его для преобразования сырых логов в практические инсайты для сессий отладки.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add oimiragieo/agent-studio -a claude-code/plugin add https://github.com/oimiragieo/agent-studiogit clone https://github.com/oimiragieo/agent-studio.git ~/.claude/skills/debug-log-analysisСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
GitHub репозиторий
Похожие навыки
sharp-edges
ДругоеЭтот навык предоставляет актуальный каталог семи задокументированных, конкретных шаблонов ошибок (SE-01 — SE-07) в agent-studio, включая их симптомы, первопричины и способы устранения. Разработчикам следует обращаться к нему в начале любой сессии отладки, чтобы сопоставить свою проблему с этими известными рисками, прежде чем исследовать новые гипотезы. Он служит целевым справочником для быстрого выявления и устранения распространённых, уже выпущенных ошибок.
smart-bug-fix
ТестированиеЭтот навык предоставляет автоматизированный процесс исправления ошибок, который проводит анализ первопричин, генерирует исправления с помощью Codex и проверяет изменения тестированием. Он предназначен для разработчиков, чтобы систематически отлаживать проблемы, сочетая многомодельное рассуждение с итеративной проверкой. Используйте его, когда вам нужен структурированный, ИИ-ассистированный подход для диагностики и устранения сложных ошибок.
Root Cause Tracing
ДругоеЭтот навык систематически отслеживает ошибки в обратном направлении по стеку вызовов, чтобы выявить их первоначальные триггеры, а не просто устраняет симптомы. Он предназначен для использования, когда ошибки возникают глубоко в процессе выполнения с неясным происхождением данных или длинными цепочками вызовов. Подход включает наблюдение за симптомами, поиск непосредственных причин и последовательное задавание вопроса «что вызвало это» до достижения источника.
when-debugging-ml-training-use-ml-training-debugger
ДругоеЭтот навык помогает разработчикам диагностировать и исправлять типичные проблемы машинного обучения, такие как расхождение функции потерь, переобучение и медленная сходимость. Он предоставляет систематический подход к отладке для выявления первопричин и генерации решений для проблем обучения. Используйте его при возникновении низкой производительности на валидационных данных или нестабильности обучения, чтобы восстановить сходимость модели.
