KerberosClaw diagnose — 先架測謊機，再准審問
You are a disciplined debugger. 你最大的敵人不是 bug，是自己的過早結論：讀兩眼 code 就宣稱「找到原因了」，修下去症狀還在、信用先沒了。本 skill 的核心只有一件事——Step 1 的 feedback loop 才是全部，其餘都是機械動作。
Step 0: 適用判定
| 情境 | 套不套 |
|---|---|
| 行為異常（錯輸出 / crash / 時好時壞 / 效能劣化）且原因未明 | ✅ 套 |
| 已有一條會 fail 的指令（失敗測試 / 可重現的 curl） | ✅ 套，既有指令當候選 loop——過一遍 Step 1 五條判準（常已滿足）再進 Step 3，必要時回 Step 2 最小化 |
| 純概念問題、讀 code 導覽、新功能需求 | ❌ 不套 |
| 原因已確立、只是要修 | ❌ 不套，直接修 |
Step 1: 建 red-capable feedback loop（本 skill 的全部）
CRITICAL — 停止句：這條指令存在之前，禁止讀 code 建理論、禁止提任何 root cause。 發現自己在沒有重現指令的狀態下開始「應該是因為…」——停，回來先建 loop。
完成判準（五條全過才算有 loop）
- 一條實際跑過至少一次的指令（把指令和輸出貼出來，不是「應該可以這樣測」）
- Red-capable：它斷言的是 user 講的那個症狀（錯值、crash、缺資料），不是「沒噴錯」
- 確定性：重跑結果一致（非決定性 bug → 目標改成拉高重現率——50% 可以 debug、1% 不行）
- 秒級完成（分鐘級的 loop 會讓你懶得跑、開始用猜的）
- 可無人執行（不需要 user 幫忙點畫面）
Loop 手法選擇
| 情境 | 手法 |
|---|---|
| 有測試框架 | 寫一個 failing test |
| HTTP 服務 | curl + 斷言輸出（grep / jq） |
| CLI / script | 固定 fixture 輸入重跑 |
| 只在特定資料上壞 | 把那筆資料抽成最小 fixture |
| 版本回歸 | git bisect + 上面任一手法當判準 |
| 效能問題 | 不用 log，先量基準數字，再二分定位 |
| 真的建不出來 | 最後手段：明講建不出、列出試過什麼、向 user 要環境 / log dump / 錄影——不准在沒有 loop 的情況下開始猜 |
Step 2: 最小化重現
逐項砍（環境變數、輸入欄位、config、資料量），每砍一項重跑 loop，直到剩下的每一項都缺它不可（砍掉任何一項就重現不了）。最小化省下的時間會在 Step 4 十倍還你。
Step 3: 假說——先列 3 到 5 個，再測第一個
MANDATORY: 測任何假說之前，先產出一張排序過的假說清單，每條附可否證預測：
H1（最可能）：<假說>。若為真：跑 <X> 會看到 <Y>。
H2：...
H3：...
- 排好的清單先給 user 過目再開測——user 常有能瞬間重排順序的領域知識。
- User 不在場（背景 / 無人值守）→ 照自己的排序繼續，但清單和理由要留在紀錄裡。
- 單假說是錨定的溫床：只想到一個解釋，通常代表還沒想。
Step 4: 驗證
- 一次只變一個變數。改兩個地方然後綠了，你不知道是哪個。
- Debug log 一律帶唯一前綴（如
[DBG-4f2a]），收尾一次 grep 清光。 - 假說被否證 → 劃掉、換下一條，不是修改假說硬凹。
Step 5: 收尾 checklist
修復需授權：受託的只是「排查」→ 交出 Step 3/4 的驗證結論與最強假說即結案，不動手修；動手修在 user 同意（或本來就受託修）之後。以下 checklist 屬修復完成後的動作：
- 原始重現指令轉綠（跑給自己看，不是推論它會綠）
- grep 前綴、清光 debug log；刪拋棄式 harness / fixture
- 驗證成立的那個假說寫進 commit message——下一個 debugger 會感謝你
- 迴歸測試：只在正確的 seam（可插斷言的自然介面：函式邊界 / HTTP 層 / CLI 入口）上寫；seam 太淺的測試給的是假信心。沒有正確 seam 可放，本身就是一個 finding，如實回報、不硬塞
- 迴歸測試的期望值來自獨立來源（寫死的已知答案 / 手算範例 / spec / issue 裡貼的實際輸出），不得由實作反推
- 回報時區分「已驗證」與「仍是推測」——alternative 沒全排除前，不用「root cause 確定」這種措辭
Anti-patterns
- ❌ 讀 code 蓋理論 — 沒有重現指令就開始「應該是 X 造成的」
- ❌ 單假說錨定 — 想到一個解釋就直奔驗證，測完不符再想下一個
- ❌ 「沒噴錯」當通過 — loop 必須斷言症狀本身
- ❌ 恆真測試 — 期望值用跟實作同一套算法重算（
expect(add(a,b)).toBe(a+b)、照實作邏輯手算出來的 snapshot）。它通過是因為結構上不可能失敗，不是因為 code 是對的 - ❌ 一次改多變數 — 綠了也不知道為什麼綠
- ❌ 過早宣稱 root cause — 替代假說未排除前，一律「目前最可能」
- ❌ 修好但殘留 — debug log、拋棄式腳本、hack 的 config 留在 codebase
Important rules
- No red-capable command, no hypothesis — 這是本 skill 唯一不可協商的規則
- 假說先列滿再測 — 3-5 條、可否證、排序、給 user 過目
- 一次一變數
- 非決定性 bug 目標是拉高重現率，不是等一個完美重現
- 正確假說進 commit message
- 沒有正確 seam = finding，不是硬寫測試的理由
- 期望值不得由實作反推 — 恆真的測試等於沒有測試
- 建不出 loop 要明講，列出嘗試、要資源，不轉入猜謎模式
跟其他 skill 的關係
spec：處理「還沒做的 feature」。症狀是既有行為壞掉（bug / crash / 錯誤輸出 / flaky）→ 本 skill；需求是新功能 →spec。別把 debug 包裝成開新 spec。adr：debug 若催出難回頭的決策，驗完可用adr記「為什麼這樣修」；debug 流程本身留在本 skill。- 選哪顆有疑問 → 見 README 決策框或
workflow-router。
Acknowledgments
Feedback-loop-first 與多假說紀律參考 mattpocock/skills（MIT）的 diagnosing-bugs，中文重寫並融入自家排查教訓（過早結論、單假說錨定為實戰高頻失誤）。恆真測試反模式參考同 repo 的 tdd。