debug-investigator

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 |

Méthodologie de débogage basée sur des hypothèses : hypothèses classées avec tests de confirmation/réfutation, stratégie git bisect, analyse des journaux, planification des points d'instrumentation et conception de reproduction minimale. Se déclenche sur : "déboguer ceci systématiquement", "analyse des causes profondes", "couper ce bug en deux", "classer les hypothèses pour cette erreur", "aidez-moi à isoler ce problème", "créer une reproduction minimale", "plan d'instrumentation pour ce bug", "pourquoi cela continue-t-il d'échouer". Le différenciateur est la méthodologie d'enquête structurée (classement des hypothèses, stratégie de bissection, points d'instrumentation) - utilisez cette compétence pour les bogues non évidents qui nécessitent une enquête systématique, et non pour de simples erreurs que le modèle diagnostique directement. PAS pour le raisonnement abstrait ou la décomposition de problèmes sans erreur spécifique – le modèle gère le raisonnement général de manière native. Source : mathews-tom/praxis-skills.