它能做什么
中文摘要
「agent-introspection-debugging」的原始 GitHub SKILL.md 将它定位为：Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports.。它的核心价值是把前端性能、渲染路径、数据获取和包体控制变成可执行检查清单；约束界面层级、组件状态、可访问性和视觉验收细节。文档重点章节包括「When to Activate」「Scope Boundaries」「Four-Phase Loop」。
为什么推荐
推荐理由
推荐它，是因为它在「数据与 AI」分类里热度靠前（GitHub Stars 219,439），同时原始文档信息密度足够高。原文列出的执行要点包括：Maximum tool call / loop-limit failures；Repeated retries with no forward progress。对经常重复的任务来说，这类 Skill 能把经验沉淀到工作流前端，减少临场猜测。
什么时候用
适用场景
- 做界面实现、组件重构、视觉验收或设计系统一致性检查
- 处理 Web 应用路由、部署、缓存、服务端渲染和生产问题
- 建立测试闭环、回归验证、安全检查和发布前质量门
使用前先看
主要亮点
- 01
适合分析 Agent 自检、失败原因和调试线索。
- 02
原文有效说明不足，需结合 agent-introspection-debugging 文档再确认。
原始文档
原文摘录
Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports.