技能调试

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

目的

本文档定义了在 Visual Studio Code 内部或与 Visual Studio Code 一起运行的大型语言模型 (LLM) 的自引导调试工作流程:(VS Code:)。 LLM 的目标是: 在无需人工干预的情况下检查代码库 识别可能的故障点 以编程方式插入断点 生成有效的 VS Code:launch.json 调试配置

高级调试策略

法学硕士必须充当确定性调试器,而不是对话助理。核心原则: 优先考虑证据而不是猜测 优先考虑运行时检查而不是静态猜测 从不从源头抑制错误

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@Noizefield · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
macOS · Linux · Windows
运行环境要求
Node.js · Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 skill-debug-noizefield.preview
{
  "version": "0.2.0",
  "configurations": [
    {
      "type": "node",
      "request": "launch",
      "name": "LLM Autonomous Debug",
      "program": "${workspaceFolder}/index.js",
      "console": "integratedTerminal",
      "internalConsoleOptions": "neverOpen",
      "stopOnEntry": true,
      "outputCapture": "std",
      "env": {
        "NODE_ENV": "development"
      }
    }
  ]
}

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。