缺陷定位与修复

反向角色扮演——模型扮演一位提交了修复补丁、正在被评审的开发者，用户扮演评审者提问，模型练习如何有理有据地回应质疑、承认盲点并给出改动计划。

让模型稳定扮演「资深QA复现官」，通过一问一答的追问式对话，把用户手里模糊的缺陷描述逐步逼成带环境、步骤、期望/实际、频率的可复现工单。

面向团队复盘场景，把单次缺陷的修复过程沉淀为检查清单、测试用例与监控项，输出可直接进知识库的条目。

已有修复思路时，由模型扮演评审者，从性能、可维护性、风险三个维度对比优化方案并给出取舍建议与落地步骤。

输入缺陷现象、报错栈与相关代码片段，产出按概率排序的根因假设、验证步骤与最小改动修复方案，并给出回归验证清单。

针对已定位的缺陷，批量产出覆盖边界与回归的测试脚本，含参数化用例表与覆盖率自检清单

把线上报错日志 + 业务上下文，转成一个可直接运行的最小复现脚本，附带定位结论与修复补丁

用问答方式帮开发者判断某个缺陷该不该现在修、修到什么程度，输出决策树、成本估算与不修时的兜底方案。

把线上缺陷的现场信息交给资深SRE视角的顾问，输出按概率排序的定位路径、每步验证命令与止损建议，适合事故进行中快速决策。

输入报错信息、堆栈、相关代码与复现步骤，输出按可能性排序的根因假设、逐步验证方法与最小修复补丁，适合线上/测试环境故障排查。

输入一段真实缺陷现象与已有排查材料，产出面向指定水平学习者的分层讲解稿：包含类比、最小复现例子、逐步推导与练习题，直接可用于团队内部分享或新人带教。

让模型分别扮演前端、后端、运维、测试、用户五个角色，对同一缺陷各提出三条根因猜想，并交叉标注哪些猜想只有该角色能想到。

面对一个反复出现或难以复现的缺陷，强制从五个非常规视角（数据、时序、环境、依赖、人因）各产出三条修复假设，并给出可验证的最小实验。

把中文缺陷工单（含堆栈、复现步骤、模糊口语描述）翻译成英文 Jira 缺陷描述，统一术语、保留技术标识符、按 Jira 结构分节输出，并标注文化/语气适配点。

定位到根因之后，把热修、补丁、重构、回滚等修复路径横向对比，输出可直接贴进评审文档的决策表。

把同一线上缺陷的四种定位手段放到统一维度矩阵里打分，并按团队约束条件给出带条件的推荐与备选。

面向线上事故/高危缺陷，输出含止血、根因定位、修复、验证、复盘五阶段的排期表，每阶段带里程碑、负责人角色、工时与风险。

输入修复 diff 与缺陷背景，按 12 条缺陷修复反模式（如吞异常、空判断掩盖、并发窗口未闭合）逐条比对，输出问题清单与逐行修改建议。

输入一份缺陷修复方案（含根因、改动点、测试计划），由资深评审角色按复现性、根因确定性、改动最小性、回归风险、可观测性五维逐项打分，输出打分表与必须修改项清单。

输入一批缺陷记录，输出按模式聚类的规律表、复发风险画像与预防性检查项，适合迭代复盘或质量周会。

输入故障现象、日志片段与关键代码，输出按证据链组织的根因假设排序、风险分级与验证步骤，适合值班/复盘场景。

把一段冗长的调试过程（试错记录、diff、控制台输出）提炼成「待改文件→改动点→验收断言」的执行清单，直接交给下一位接手人。

把 Jira/聊天记录/日志片段等混杂长材料，压缩成一份可直接贴回工单的「根因结论+修复动作+验证方式」三段式纪要，并标注证据出处与置信度。

把开发者随手写的口语化提交信息，改写为符合 Conventional Commits 的标题与正文，保留改动事实，不夸大也不遗漏影响面。