碰到 Bug 第一反应是想砸键盘？换种思路：把调试当成和 AI 的一次「会诊」。你提供线索（报错、复现步骤、相关代码），AI 帮你定位、解释根因、给修复方案，最后你拍板。本教程给你一套可复用的排错流程。
🐞 本教程适合：所有写代码的人。无论你用 Cursor、Claude 还是网页版 ChatGPT，这套「喂料姿势」都通用。
先搞懂：AI 擅长什么、不擅长什么
AI 强在读代码、解释报错、列可能原因、给改法；但它看不到你的运行时环境、不知道你没贴出的代码、也不会为你的线上事故负责。所以：好结果 = 你给足上下文 + 它来分析 + 你做判断与验证。
| AI 能做的 | 你必须自己做的 |
|---|---|
| 解释 traceback 每一行在说什么 | 判断是否信、是否适你的场景 |
| 列出 3-5 个可能根因 | 用最小复现逐一排除 |
| 给出修复 diff | 读懂改动、跑测试验证 |
Step 1：先能稳定复现
1 复现不了，就别怪 AI 看不懂
调试第一步永远是「稳定复现」。把问题缩到最小：
1. 记录：输入是什么、期望结果、实际结果
2. 缩小：删掉无关代码，留下能触发 Bug 的最小片段
3. 固定环境：Python/依赖版本、操作系统、是否并发最小复现是金：你能用 10 行代码复现的问题，AI 十有八九能秒解；贴 2000 行还带「偶尔才出」的，谁都头大。
Step 2：把报错「喂」给 AI 的正确姿势
2 一次给全，别只贴一行
新手常犯的错：只甩一句「TypeError 咋办」。有效喂料要包含三件套：
【完整报错】把 traceback 从头贴到尾（含行号）
【相关代码】出错函数附近 20-30 行
【我做过的尝试】已排除哪些可能
例：
报错：IndexError: list index out of range (line 42)
代码：items = load(); print(items[user_id])
背景：user_id 来自表单，可能越界💡 在 Cursor/Claude Code 里直接问当前文件「为什么这里报错」，它们能读到上下文，比复制粘贴更省事。
Step 3：让 AI 解释根因
3 先懂「为什么」，再谈「怎么改」
别急着要补丁，先让 AI 用大白话讲清楚：
提示词：
「请用通俗的话解释这个报错为什么发生，
并指出代码里具体哪一行、什么前提假设被打破了。
不要直接给代码，先讲清楚根因。」理解根因比拿到补丁更重要：根因清楚了，你可能自己就有更好解法，也不会被 AI 的「看似修好」骗过。
Step 4：让 AI 给修复，但你要先读懂
4 AI 写的改动，先审再合
让它给最小改动，并说明每处为什么：
提示词：
「给出最小改动来修复，并逐行说明：
1) 改了哪里 2) 为什么这样改 3) 会不会引入新问题」🔍 铁律：没读懂的 diff 不合并。AI 可能顺手改了别的逻辑或引入新依赖，你才是责任人。
Step 5：让 AI 补一个回归测试
5 修好不算完，证明它不再犯
最容易被忽略的一步：写个测试把 Bug 锁死，下次改动撞到会立刻报警。
# 用 pytest，把「当时出错的情况」变成用例
def test_user_id_out_of_range():
with pytest.raises(IndexError):
get_item_by_id(bad_id) # 越界应被显式处理而非崩溃✅ 好习惯：修完跑全套测试（pytest / npm test）。CI 里也要保留「测试不绿不许合并」的红线。
Step 6：当 AI 也卡住时
AI 给的方案都不灵？换思路：
1. 加日志/打印：在关键分支打点，看实际走了哪条路
2. 二分法：注释掉一半逻辑，逐步定位
3. 换模型/换问法：让它「假设你是资深专家，列出非常规根因」
4. 搜 issue / 源码：开源库的问题常有人踩过安全红线：不要把密钥、生产数据库、含客户信息的代码贴给公网大模型。私有代码请用本地模型或企业版/私有化部署，并先脱敏。
常见问题速查
| 现象 | 大概率原因 & 解决 |
|---|---|
| AI 给的方案不灵 | 上下文不全；补最小复现再问 |
| 改完别处又炸了 | 缺回归测试；补用例锁死行为 |
| AI 一直绕圈 | 让它换非常规思路 / 加日志二分 |
| 怕泄露代码 | 换本地/企业版模型，先脱敏 |