报错堆栈丢了三小时之后,我改掉了让AI查bug的坏习惯
先说常见的失败做法
每个用过AI查bug的人,大概都经历过这样的对话:
把一段几百行的报错堆栈整个粘进对话框,附一句「帮我看看什么问题」。AI很快回复了一大段分析:它热情地解释了什么是 NullPointerException,列出了五六种可能的原因,甚至给了几段示例代码。你读完发现,这些话 StackOverflow 上十年前就有人写过了。
第二种失败姿势更隐蔽:只贴堆栈的最后几行。堆栈太长,看着眼晕,于是只复制了 Traceback (most recent call last) 末尾那三行。AI基于这可怜的信息量开始猜,猜错了,你再补充一句「不对,是这个文件」,它再猜。来回五六轮,一上午没了,问题还在。
第三种:把AI的猜测当结论。AI说「可能是缓存未更新」,你就去清缓存;AI又说「可能是依赖版本冲突」,你又去升版本。AI成了算命先生,你成了跑腿的。
这三种做法的共同问题是:你把AI当成了一个能凭空推理的神,而不是一个需要完整上下文的协作者。报错堆栈的价值,恰恰在于它完整地记录了“案发现场”——调用链、文件路径、行号、每层的参数状态。你截掉一段,等于把现场证据撕掉一半再让侦探破案。
正确的路径:让AI直达问题代码行
堆栈里其实已经写明了答案的位置:at com.example.OrderService.calculate(OrderService.java:87)——文件名和行号都给了。但人类的痛点在于:知道是第87行出问题,不代表知道为什么第87行出问题。这一行往往牵扯上游传参、状态变更、并发时序,你得在十几层调用链里来回跳转,把上下文在脑子里拼起来。
这正是AI擅长的。正确的流程是这样的:
第一步,原样提供完整堆栈。 不截断、不总结。完整的堆栈让AI能看到从入口到崩溃点的整条调用路径,它往往能从中直接判断出是哪一环的数据流出了问题。
第二步,让AI先复述它的理解,而不是直接给答案。 加一句「先用自己的话描述这次调用的完整链路和崩溃点,我确认后再分析原因」。这个小小的仪式能拦住AI的胡猜——如果它复述错了,你立刻就能纠正,省掉后面全部的无效分析。
第三步,把堆栈指向的那几个文件的相关代码段贴给它。 不是整个文件,而是崩溃行上下游各二三十行,加上堆栈中出现的调用方函数。这时AI手里有了:完整调用链 + 崩溃位置 + 现场代码。它可以做人类很费力的事:把第87行的变量,反向追溯到三层之外哪里赋的值,指出哪次赋值漏掉了某个分支。
第四步,要求它给出验证方式。 好的AI回复不该只说「改成X」,还应该说「你可以在这个位置打一条日志/写一个断言来验证我的判断」。这样即使AI判断错了,你也能快速证伪,而不是盲改。
一份可直接复制的提示词模板
你是一名资深后端工程师,帮我分析下面的报错堆栈。
【报错堆栈】
<粘贴完整的、未截断的堆栈>
【崩溃点附近的代码】
文件:<文件路径>
<粘贴崩溃行上下约30行代码>
【上游调用方代码】
<粘贴堆栈中出现的1-2个调用方函数>
【环境信息】
语言/框架版本:<如 Python 3.11 / Django 5.0>
最近改动:<如"上周重构了支付回调",没有就写"无">
请按以下结构回答:
1. 先复述你对调用链和崩溃点的理解,等我确认;
2. 指出最可能的问题根因,并引用堆栈中的具体行号和代码作为证据;
3. 如果信息不足以定位,明确列出你还需要我提供什么;
4. 给出修复建议,以及一个能快速验证该判断的方法(日志或断言)。
注意:不要猜测,没有证据支撑的结论请标注"不确定"。这份模板的核心设计有三处:强制复述(拦住幻觉)、要求引用行号作为证据(逼AI基于事实分析)、允许它说“信息不足”(避免硬编答案)。第4点尤其值得保留——它把AI从“答案机器”变成了“提出可验证假设的同事”。
前后对比
改用这套流程之前,我的典型节奏是:粘半截堆栈 → AI给出泛泛的排查清单 → 逐条手动试 → 平均两三个小时解决,运气差的时候一个下午耗在一个其实是变量名拼错的问题上。
改用之后:完整堆栈 + 崩溃点代码 + 模板提示词,AI通常在第一轮就能准确指出问题行,并且能解释清楚数据是怎么一路传坏过来的。多数问题的闭环时间从小时级降到了十几分钟。更重要的是心态变化——以前是“问AI碰运气”,现在是“给AI足够的证据,让它做它擅长的推理”。
需要说明的是,AI不是每次都能一击命中,尤其是涉及运行时时序、环境差异的问题。但即使猜错,它要求的补充信息(第3点)也在帮你系统性地缩小范围,而不是像无头苍蝇一样乱试。
写在最后
独立开发者和小团队最缺的不是排查能力,是排查时间的预算。让AI根据完整堆栈直达问题代码行,本质上是把你最贵的资源——专注力——从机械的调用链追踪里解放出来,留给真正需要人判断的架构和设计决策。
如果你还没有趁手的AI编程助手,可以试试通过 https://api.thistoken.ai/register 注册使用,把上面那份模板存成常用的代码片段,下次报错弹出来时,你会感谢今天多花五分钟做的准备。
---
不想折腾多家供应商的接入差异?在 https://api.thistoken.ai/register 注册,用一个 base_url 调用所有模型。