前面讲了不少设计原则,这里用 Python Debug 把它们落到实际任务上。假设用户只需要修一个导入错误,我们真正希望加载的是一套可靠的调试步骤,而不是让模型每次重新从一大段通用 Prompt 中找办法。
![图片[1]-案例分析一:Python Debug Skill 如何避免每次都把调试经验写进 System Prompt?-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1732.png)
从读取报错、定位问题、分析原因,到修改代码和重新验证,这条处理路径可以写在独立 Skill 里。以后换一个 Coding Agent,也可以在适用时加载它;但是否真的修好错误,仍需以实际测试结果为准。
场景背景
用户任务:
“这个项目 pytest 失败,报 ImportError: cannot import name settings,帮我修。”
如果系统 Prompt 已经包含:
Flask
SQL
Data Analysis
Git
Deployment
Python Debug
总共几千 Token。
但真正有用的只有:
python-debug
Skill Selector
任务命中:
pytest
ImportError
加载:
python-debug
ContextBuilder 加入:
先复现
先看 traceback
最小修改
不要为了通过测试删断言
修复后跑相关测试
Agent 很快:
定位导入循环
修改 import
重新 pytest
结果
相比“大 Prompt”:
输入更短
规则更聚焦
行为更稳定
复用
同一个 python-debug Skill 可以给:
Code Agent
Test Agent
Main Agent
按需加载。
这就是可复用能力。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
















请登录后查看评论内容