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。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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