用 AI 辅助排查问题时我怎么提问
这篇按踩坑笔记来写,因为 用 AI 辅助排查问题时我怎么提问 我现在更容易记住“错在哪”,而不是“定义长什么样”。
先记住这句话
排查类提示词要提供现象、环境、日志、已尝试方案和期望输出。
很多问题不是不会用,而是用得太顺手了,顺手到把边界条件给省掉了。
这类问题一般怎么出现
我脑子里会先放这个场景:把一次接口 500 的日志整理成可复查的提问材料。
一开始看着都像是个小问题,真正麻烦的是它往往不是立刻报错,而是跑一阵子、数据一多、并发一上来才暴露。
这次我想盯住的坑
- 先给最小现场信息
- 让 AI 列排查顺序而不是直接改代码
- 关键命令和结论要自己验证
一个最小复现场景
1 | List<Document> chunks = splitter.split(document); |
如果连最小复现都写不出来,其实大概率只是“看懂了别人的总结”,还没有真正掌握。
面试里如果被追问
- 先说结论,再补为什么会这样。
- 说一个自己见过或能想象到的翻车场景。
- 最后补上规避办法,而不是停在概念层。
这篇学完至少别再犯的错
- 只记 happy path,不补失败分支。
- 看见示例能跑就默认线上也安全。
- 不看日志、不做验证,直接凭感觉改。