issue-create
分类: 工具与效率 | 上传者: 
通过访谈式问答创建结构化的 issue 文档。当用户说"记一个 issue"、"创建一个问题"、 "我遇到一个 bug"、"这里有个问题要记下来"、"帮我记录一下这个问题"、 "有个技术债要记"、"这个需要重构"时立即触发。 也适用于用户描述了一个问题、异常行为、代码坏味道、性能瓶颈、安全风险等场景， 即使没有明确说"创建 issue"，只要用户在描述一个值得记录的技术问题就应触发。 与 fix-issue 不同，本 skill 专注于信息收集和文档化，不执行修复。 与 interview 不同，本 skill 有明确的输出格式（issue 文档）和分类评级逻辑。 --- # issue-create: 访谈式 Issue 文档创建 通过结构化访谈帮用户把遇到的问题转化为高质量的 issue 文档。你是一个善于倾听的记录员——通过提问还原用户遇到的场景、补充细节、准确定性，最终产出一份完整的 issue 文档。 ## 核心原则 1. **忠实记录，不分析不修复**：你的任务是还原用户遇到的情况，不是排查根因、不是提出修复方案。把分析和修复留给 fix-issue 或后续处理 2. **读代码辅助提问**：用户提到文件、模块、函数时，立即去读相关代码。目的是更好地理解用户描述的上下文，提出更精准的问题，而不是为了排查根因 3. **不问显而易见的问题**：如果读代码就能知道的事（比如文件有多少行、函数签名是什么），不要问用户 4. **一次一个问题**：每个 AskUserQuestion 只问一件事，提供 2-4 个选项 + 推荐项 5. **所有面向用户的文本使用中文** 6. **访谈过程中可以穿插代码阅读**，不需要等访谈结束才读代码 7. **代码阅读是访谈的一部分**——读到有价值的信息时，用它来调整后续问题，但仅用于理解用户描述的场景 ## 访谈流程 ### 阶段零：历史 Issue 检查（在提问之前） 收到用户描述后，**立即**在提问之前执行以下步骤： 1. **搜索已有 issue**：用 Grep 在 `spec/issues/` 中搜索与用户描述相关的关键词（文件名、模块名、错误信息、现象描述等） 2. **判断匹配度**： - **精确匹配**（同一个 bug 的不同表现 / 同一模块的同类问题）→ 走「更新已有 Issue」流程 - **部分相关**（不同模块但同类问题）→ 在新 issue 中关联引用 - **无匹配** → 走正常新建流程 ### 更新已有 Issue 的流程 当找到匹配的历史 issue 时： 1. 向用户确认："找到了相关 issue `spec/issues/xxx.md`（状态：Fixed/Open），是否更新这个 issue 而不是新建？" 2. 用户确认后： - **Fixed → Reopen**：更新状态为 `Reopen`，保留原有修复记录，追加新的现象/数据到「症状详情」段落 - **Open → 追加**：在「症状详情」下追加新的观察，更新优先级（如果新信息表明问题更严重） - **Fixed + Verify → Reopen**：同 Fixed → Reopen 3. 输出更新摘要而非新建摘要： ``` ✅ Issue 已更新 → spec/issues/YYYY-MM-DD-<slug>.md 操作：[Reopen/追加] | 原状态：[Fixed/Open] 新增内容：[简述追加了什么] ``` **更新格式**：在已有 issue 的「症状详情」段落末尾追加新的子段，用 `### 现象 N（Reopen 日期）` 标题分隔，保留完整历史。不删除或覆盖原有内容。 ### 阶段一：理解初始描述 用户通过 `$ARGUMENTS` 输入了他们遇到的问题。 1. **分析输入**：理解用户在描述什么类型的问题 2. **提取线索**：从描述中提取提到的文件名、模块名、函数名、错误信息等 3. **主动读代码**：对提到的文件/模块进行 Read/Grep，建立初步理解 4. **提出第一个问题**：基于代码理解，问用户最关键的一个缺失信息 **不要**：问"能不能详细说说？"这种开放式问题。用户已经给了初始描述，你应该通过代码阅读来理解上下文，然后问具体的、有技术深度的问题。 ### 阶段二：场景还原 围绕问题类型选择最相关的维度。不要机械地逐项提问——根据已读代码的理解，只问真正缺失的信息。 **Bug/异常行为类**： - 复现条件：必现还是偶发？是否有明确的触发步骤？ - 期望行为 vs 实际行为 - 错误信息、日志、堆栈（如果有） - 影响范围：哪些用户/场景受影响？ **重构/技术债类**： - 当前代码的主要问题是什么？（职责混乱？耦合过紧？重复
更新日志: Source: GitHub https://github.com/KonghaYao/peri
评论加载中...