Structured debugging methodology that replaces ad-hoc exploration with hypothesis-driven investigation. Captures symptoms, analyzes evidence (stacktraces, logs, state), generates ranked hypotheses, designs bisection strategies, identifies instrumentation points, and produces minimal reproductions — documenting every step so dead ends are never revisited.
When to use this skill vs native debugging: The base model handles straightforward debugging (clear stacktraces, obvious errors) natively. Use this skill for non-obvious bugs requiring systematic investigation: intermittent failures, bugs with no clear stacktrace, performance regressions, or issues requiring git bisection and hypothesis ranking.
| references/stacktrace-patterns.md | Exception taxonomy, traceback reading, common Python/JS error signatures | Stacktrace or exception present | | references/hypothesis-templates.md | Bug category catalog, probability ranking, confirmation/refutation tests | Always |
منهجية تصحيح الأخطاء المبنية على الفرضيات: الفرضيات المرتبة مع اختبارات التأكيد/الدحض، واستراتيجية git bisect، وتحليل السجل، وتخطيط نقاط الأجهزة، والحد الأدنى من تصميم الاستنساخ. مشغلات على: "تصحيح هذا الخطأ بشكل منهجي"، "تحليل السبب الجذري"، "تشريح هذا الخطأ"، "ترتيب الفرضيات لهذا الخطأ"، "ساعدني في عزل هذه المشكلة"، "إنشاء الحد الأدنى من إعادة الإنتاج"، "خطة الأجهزة لهذا الخطأ"، "لماذا يستمر هذا بالفشل". والفرق هو منهجية التحقيق المنظمة (تصنيف الفرضية، واستراتيجية التقسيم، ونقاط الأجهزة) - استخدم هذه المهارة للأخطاء غير الواضحة التي تحتاج إلى تحقيق منهجي، وليس الأخطاء البسيطة التي يشخصها النموذج مباشرة. ليس للاستدلال المجرد أو تحليل المشكلة دون خطأ محدد - يتعامل النموذج مع الاستدلال العام بشكل أصلي. المصدر: mathews-tom/praxis-skills.