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 |

仮説主導のデバッグ方法論: 確認/反駁テストによるランク付けされた仮説、git bisect 戦略、ログ分析、インストルメンテーション ポイントの計画、および最小限の再現設計。トリガー: 「これを体系的にデバッグする」、「根本原因の分析」、「このバグを二分する」、「このエラーの仮説をランク付けする」、「この問題を切り分けるのを手伝ってください」、「最小限の再現を作成する」、「このバグの計測計画」、「なぜこれが失敗し続けるのか」。差別化要因は、構造化された調査方法論 (仮説ランキング、二分戦略、計測ポイント) です。このスキルは、モデルが直接診断する単純なエラーではなく、体系的な調査が必要な明白でないバグに使用します。抽象的な推論や、特定のエラーを伴わない問題の分解のためではありません。モデルは一般的な推論をネイティブに処理します。 ソース: mathews-tom/praxis-skills。