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:
  1. 缺陷原因分析(RCA):使用5Why法和故障树分析定位根本原因
  2. 相似缺陷归纳:对多个缺陷进行聚类和归类分析
  3. 责任人分析:界定缺陷引入阶段和漏测原因
  4. 查重与知识库比对:识别新问题、相似问题或复发问题
  5. 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)

2. 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)

3. 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:

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)

2. 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

3. 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:

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

2. 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

3. 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:

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

2. 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

3. 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

4. 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:

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:

   • 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

2. 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

3. 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

4. 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）

5. 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]