Error Detective
Fehler in Ihren Systemen erkennen und diagnostizieren
Produktionsfehler sind in verteilten Systemen schwer nachzuvollziehen. Dieser Skill analysiert Protokolle, korreliert Fehler und identifiziert Grundursachen, um das Debugging zu beschleunigen.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "Error Detective". Protokolldatei mit wiederholten NullPointerException-Fehlern
Erwartetes Ergebnis:
47 NullPointerException-Vorkommen zwischen 14:32-14:45 UTC extrahiert. Spitzenhäufigkeit: 12 Fehler/Minute um 14:38. Alle Fehler stammen von der Methode UserService.getUser(). Korrelation: Fehler begannen 2 Minuten nach Deployment v2.3.1.
Verwendung von "Error Detective". Stack-Trace von Payment-Service-Timeout
Erwartetes Ergebnis:
Grundursache: Datenbank-Verbindungspool-Erschöpfung. Beweis: Timeout bei ConnectionPool.getConnection (Zeile 142), vorangegangen durch 200+ ausstehende Anfragen. Korrektur: Poolgröße von 10 auf 50 Verbindungen erhöhen und Circuit-Breaker hinzufügen.
Sicherheitsaudit
SicherThis is a prompt-only skill with no executable code, network access, or filesystem operations. Static analysis scanned 0 files and detected no security patterns. The skill provides guidance for log analysis and error investigation without any attack vectors.
Qualitätsbewertung
Was du bauen kannst
Produktionsincident-Untersuchung
Analysieren Sie Fehlerprotokolle eines Produktionsausfalls, um die Grundursache und den Zeitablauf der Ausfälle über Microservices hinweg zu identifizieren.
Debugging von intermittierenden Fehlern
Korrelieren Sie sporadische Fehler in Anwendungsprotokollen, um Muster und Auslösebedingungen zu finden, die intermittierende Bugs verursachen.
Post-Mortem-Analyse
Überprüfen Sie historische Fehlerdaten nach einem Incident, um Ausfallketten zu verstehen und Präventionsstrategien zu empfehlen.
Probiere diese Prompts
Analysieren Sie diesen Protokollauszug und extrahieren Sie alle Fehlermeldungen mit ihren Zeitstempeln. Gruppieren Sie ähnliche Fehler und identifizieren Sie den häufigsten Fehlertyp.
Untersuchen Sie diesen Stack-Trace und identifizieren Sie die Grundursache des Ausfalls. Erklären Sie, welcher Codepfad den Fehler ausgelöst hat, und schlagen Sie Korrekturen vor.
Ich habe Protokolle von drei Microservices während eines Ausfalls. Korrelieren Sie Fehler nach Zeitstempel und identifizieren Sie, welcher Dienst zuerst ausgefallen ist und die Kaskade verursacht hat.
Generieren Sie Elasticsearch- und Splunk-Abfragen, um dieses spezifische Fehlermuster in der Produktion zu erkennen. Schließen Sie Alarmierungsschwellenwerte für Fehlerraten-Spitzen ein.
Bewährte Verfahren
- Fügen Sie immer Zeitstempel und Korrelations-IDs ein, wenn Sie Protokollbeispiele zur Analyse bereitstellen
- Teilen Sie Protokolle von allen betroffenen Diensten, um eine genaue systemübergreifende Korrelation zu ermöglichen
- Geben Sie Kontext zu kürzlichen Deployments oder Konfigurationsänderungen an, die sich auf Fehler beziehen könnten
Vermeiden
- Teilen Sie keine sensiblen Daten wie API-Schlüssel, Passwörter oder persönliche Informationen in Protokollen
- Vermeiden Sie die Analyse isolierter Fehlermeldungen ohne umgebenden Protokollkontext
- Nehmen Sie nicht an, dass der erste sichtbare Fehler die Grundursache ist - verfolgen Sie die Kette zurück