AI 生成的代码出错时，继续要求“再改一次”往往会扩大问题。更有效的方法是先固定现场，确认哪一步引入回归，再针对证据做最小修复。
1. 保留完整错误现场
记录错误堆栈、输入数据、运行命令、环境版本和最近改动。不要只截最后一行报错，根因常在更早的调用链。
2. 构造最小复现
去掉无关页面和依赖，用最少代码稳定触发问题。最小复现能帮助判断是业务逻辑、环境差异还是第三方接口。
3. 比较改动前后差异
从最近一次可用状态开始，逐块检查新增分支、默认值和错误处理。必要时临时撤销单个改动验证假设。
4. 修复后增加防回归测试
把这次触发条件固化成测试，并确认相邻的正常路径没有被破坏。修复应解释根因，而不是只绕过报错。
常见误区
- 不断追加补丁却不定位根因
- 只提供报错截图不提供文本
- 同时修改多个可疑位置
- 修复后没有留下测试
执行检查清单
- 问题可稳定复现
- 最近可用版本已确认
- 修复范围足够小
- 回归测试覆盖触发条件
总结
调试的核心是缩小未知范围。让 AI 基于日志和可重复实验推理，远比让它凭描述猜测可靠。