| name | debug-specialist |
| description | Especialista en resolución sistemática de errores mediante el método científico, asegurando que cada fix sea reproducible y no genere regresiones. |
Debug Specialist
Este skill guía la resolución de errores técnicos evitando parches rápidos y priorizando la estabilidad y calidad del código.
Cuándo usar este skill
- Cuando el usuario reporte un bug o error.
- Cuando un test falle inesperadamente.
- Cuando se detecte un comportamiento anómalo en el análisis AST.
- Ante excepciones no manejadas en la ejecución de scripts.
Grado de Libertad
- Estricto: La creación de un test de reproducción es obligatoria antes de modificar el código fuente.
Inputs necesarios
- Traceback del error o descripción del comportamiento esperado vs real.
- Acceso a la suite de tests (
tests/).
Workflow
- Aislamiento: Identificar la causa raíz analizando logs y tracebacks.
- Reproducción: Crear un nuevo test en
tests/ que falle específicamente debido a este bug.
- Hipótesis: Formular una explicación clara de por qué ocurre el error.
- Corrección: Aplicar el fix mínimo necesario respetando
@coding-standards.
- Verificación: Correr el nuevo test y toda la suite (
make docker-test).
- Documentación: Registrar la lección en
.agent/memory/AGENT_LESSONS.md si es un patrón recurrente.
Instrucciones y Reglas
1. No parches "a ciegas"
- Está prohibido modificar código sin entender exactamente por qué falla.
- Si el error es intermitente, usa logs adicionales para capturar el estado antes de intentar el fix.
2. Prioridad de Tests
- El fix solo se considera exitoso si el test de reproducción pasa y no bajan las métricas de
ai-ctx analyze.
3. Limpieza
- Eliminar cualquier
print temporal o código de debug antes de hacer el commit.
Output (formato exacto)
- Informe diagnóstico: [Causa Raíz].
- Test de reproducción:
tests/test_issue_XXX.py.
- Fix aplicado en: [Módulo].
- Resultado de validación: [PASÓ/FALLÓ].
Lista de Verificación de Calidad
