Menu
AgentSight fix issues 流程。了解问题 → 复现验证 → 根因分析 → 编码修复 → 验证修复，五阶段标准化调试迭代循环。确保 AI agent 遵循最小改动、逐轮验证的修复规范。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
分析当前分支的全部变更，自动生成或更新 PR 标题和正文。聚焦内容质量：解释 why、归纳 what、标注测试方式，遵循 anolisa 项目 PR 模板规范。适用于新建 PR 前生成描述，或已有 PR 需要更新描述。
编辑代码文件后自动运行对应格式化工具，保持代码风格一致。适用于任何 AI coding agent。
对当前分支的变更执行 AgentSight 专属代码审查。覆盖 6 个维度：硬性规则合规、eBPF 安全、FFI 边界、Footprint Ladder、流水线测试覆盖、文档同步。输出编号的 findings 列表，每条包含文件路径和行号。
| name | agentsight-bugfix |
| description | AgentSight fix issues 流程。了解问题 → 复现验证 → 根因分析 → 编码修复 → 验证修复，五阶段标准化调试迭代循环。确保 AI agent 遵循最小改动、逐轮验证的修复规范。 |
在接到 AgentSight 的 Bug 修复任务时，严格按以下五个阶段执行，确保每轮迭代最小化改动、最大化验证。
了解问题 → 复现验证 → 根因分析 → 编码修复 → 验证修复
目标：明确 Bug 的实际表现、预期行为和影响范围，在动手之前先想清楚。
docs/ARCHITECTURE.md 流水线：Probes → Parser → Aggregator → Analyzer → GenAI → Storage）阶段产出：四要素摘要（实际表现、预期行为、触发条件、影响范围）。
目标：在实际环境中从零运行一次完整流程，亲眼看到 Bug 发生。
硬性要求：
阶段产出：实际观察到的现象（DB 数据、日志关键行），与阶段 1 的预期做对比。
目标：基于阶段 2 收集的日志和数据，定位数据流在哪个环节断了。
原则：
常见断点检查清单：
| 检查项 | 日志关键词 | 说明 |
|---|---|---|
| AggregatedResult 类型 | Analyzing aggregated result | 是 SseComplete 还是 Http2StreamComplete？ |
| ParsedApiMessage 是否生成 | Parsed OpenAI response | 没有 = analyzer 没产出 Message |
| response_id 是否提取 | chatcmpl- | 从 SSE body 或 parsed message |
| mapper 是否命中 | ResponseSessionMapper | FileWrite 时序是否先于 LLM 事件 |
| PendingGenAI 是否入队 | queued for deferred | 没入队 = pending_response_id 为 None |
| complete_pending 是否更新 | Promoted pending→complete | UPDATE 是否包含 session_id |
阶段产出：明确指出数据流在哪个环节断了，以及断裂的原因。
目标：针对阶段 3 定位的断点，做最小范围的代码修改。
原则：
提交前必须通过本地检查：
cargo fmtcargo clippy --all-targets -- -D warningscargo test目标：构建新版本并部署到运行环境，从零验证修复有效。
| 结果 | 动作 |
|---|---|
| Bug 已修复，无副作用 | 进入完成确认 |
| Bug 部分修复 | 回到阶段 3，分析剩余断点 |
| Bug 未修复或出现新问题 | 回到阶段 3 重新分析，不要在同一轮叠加更多修改 |
cargo test 全部通过