ce-debug：系统性缺陷诊断与修复
系统化追踪缺陷根因，先诊断后修复，同时生成回归测试。
证据显示：SKILL.md 要求在编辑前检查未提交更改和默认分支创建，并遵循最小权限原则；要求用户在修复前选择是否继续，充分告知数据流（如读取 git 日志、日志、遥测）。上下文脚本执行 git 命令，但仅输出只读信息，不进行任何外部发送或敏感数据收集。依赖的 GitHub CLI (`gh`) 已披露，未发现秘密窃取或数据外泄的迹象。扣除原因：未验证发布者身份，仅有 MIT 许可证元数据，无实际验证；上下文脚本通过 shell 执行，可能被篡改或利用；未提供回滚机制，仅提供保护措施。
证据显示：SKILL.md 提供详细的分步流程，引用了 reference 文件，并包含错误处理（如上下文脚本失败时降级处理）。关键路径是引导用户通过诊断，而非独立复现，因此此处未经执行验证。扣除原因：未提供测试套件或 CI 证据，无法确认技能在实际中可靠运行；错误反馈质量仅在 pipeline 模式中定义，交互模式中未明确。
证据显示：SKILL.md 明确了触发条件（错误、堆栈追踪、回归、测试失败等），定义了输入格式和预期输出（诊断、修复），并包含 pipeline 模式和交互模式以覆盖不同场景。环境适配：不依赖外部服务，主要使用本机工具和 git，适合中国大陆网络。扣除原因：非适用范围的边界（如设计问题）未明确区分，可能导致误触发；未提供中文翻译，但英文文档对技术用户普遍可接受。
证据显示：SKILL.md 有清晰的层次结构，引用 reference 文件，提供详细示例和常见陷阱，并包含已知限制（如 pipeline 模式中的 divergent 修复）。许可证为 MIT，未提供版本号或更改日志。扣除原因：缺少版本号和更改日志，维护责任未明确提及（谁是维护者），仅通过 README 暗示是 EveryInc 发布的插件。
证据显示：该技能旨在诊断和修复 bug，预期输出是根因分析和修复建议，具有超过手动调试的边际价值（提供系统化方法）。然而，输出依赖用户确认，实际修复并不总是自动完成。扣除原因：未提供可验证的代表性输出，未经执行验证，边际价值未量化。
证据显示：提供了 CI 徽章（build status），但未提供测试套件或可复现的测试。上下文脚本包含可执行的验证步骤，但未提供结果。扣除原因：静态审查无法独立验证技能的行为，CI 徽章本身不足以作为证据，未提供具体的测试结果。
- 发布者身份未经验证，安装前请自行审查。
- 上下文脚本通过 shell 执行，存在潜在安全风险，建议审查脚本内容。
- 技能可能被误触发用于设计问题，注意明确边界。
- 暂无版本号或更改日志，更新路径不明确。
这个 Skill 能做什么，适合哪些场景？
ce-debug 是一个用于诊断和修复软件缺陷的 Agent Skill，遵循从触发到症状的完整因果链调查方法。它首先复现问题、追踪代码路径、验证环境，并检查问题追踪器和 PR 历史以确保不会重复他人工作。在确认根因后，它提供交互式选项来决定是否立即修复、仅诊断，或者重新考虑设计。如果选择修复，它会采用测试优先的策略，遵循“单次变更”原则，并包含工作区安全检查，然后进行简化和代码审查，最后提交并创建 PR。该技能还支持 pipeline 模式，可完全自动运行，适用于 CI 中的守护进程。它属于 Compound Engineering 插件集合，与多个 AI 编码工具兼容。
该技能接收一个 bug 描述（如错误信息、堆栈轨迹、测试路径或 issue 引用），然后执行一个多阶段流程：阶段0从问题追踪器获取 issue，阶段1复现 bug 并追踪代码路径，阶段2形成假设并测试，阶段3（可选）编写测试以驱动修复，阶段4生成结构化摘要并移交。它读取本地文件系统、运行 shell 命令（如 git、测试）、调用浏览器工具，并可能使用 GitHub CLI 获取 issue 信息。它还可以生成残留物到 <root>/residual-review-findings/ 和 <root>/solutions/。
- 开发者遇到栈轨迹或失败测试，需要系统地找到根本原因。
- 工程师在处理回归问题时，需要追踪到引入 bug 的提交。
- 开发者陷入调试困境，希望避免无目的修补，采用有纪律的方法。
- CI 中的自动化守护进程（例如 PR babysitter）需要非交互模式下的 bug 修复，能够自主提交并推送修复。
- 团队希望确保每次 bug 修复都包含回归测试，并捕获经验教训。
这个 Skill 有哪些优点和局限？
- 强制进行根本原因分析，防止症状修补。
- 包含测试优先的纪律，生成回归测试。
- 支持交互式和自动化 pipeline 模式。
- 与其他 Compound Engineering 技能集成，如代码审查和学习捕获。
- 可与多个 AI 工具配合使用（Claude Code、Cursor、Codex 等）。
- 具有认知天性，可能对简单 bug 显得过于复杂。
- 需要 Node.js 运行时用于上下文脚本，如果没有，则功能减少。
- 依赖 GitHub CLI 获取 issue；对于其他跟踪器可能需要手动粘贴。
- 文档中未显示完整的自动化测试套件，仅描述了内部脚本。
- Phase 4 中的 PR 自动行为需要用户同意，在某些环境中可能不适用。
如何安装这个 Skill？
该技能是综合工程插件的一部分。对于 Claude Code，运行：\n/plugin marketplace add EveryInc/compound-engineering-plugin\n/plugin install compound-engineering\n\n对于 Cursor，在插件市场中搜索“compound engineering”并添加。对于 Codex，参考仓库 README 中的详细步骤。已安装用户需要先刷新市场再更新。
如何使用这个 Skill？
安装后，在支持的工具中调用 /ce-debug，并附上 bug 描述，例如：\n/ce-debug 结账 webhook 有时会创建重复发票\n\n技能将引导你完成调查阶段。在交互模式下，它可能会询问你是否立即修复或仅诊断。在 pipeline 模式下，它会自动修复并推送。