Skills Agentes

Parallel Debugging

Depura problemas complejos con hipótesis en competencia, investigación paralela, recolección de evidencia y arbitraje de causa raíz.

Estrellas
39.8k

en todo el repo

Actividad
25

0–100, la ruta de este skill

Actualizado
hace 7 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
1.2k tok

68 tok en reposo

Paquete
2 archivos

8 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add wshobson/agents --skill parallel-debugging --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Genera hipótesis de bugs en 6 categorías: error lógico, dato, estado, integración, recurso y entorno
  • Define estándares de evidencia con niveles de fuerza y formato de cita file:line
  • Establece niveles de confianza (alta/media/baja) según tipo de evidencia
  • Estructura un protocolo de arbitraje en 4 pasos: categorizar, comparar, determinar causa raíz, validar fix

Úsalo cuando

  • El bug tiene múltiples causas raíz plausibles
  • Los intentos iniciales de depuración no identificaron el problema
  • El problema abarca múltiples módulos o componentes
  • Se necesita un análisis de causa raíz sistemático con evidencia

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • “Depura este bug intermitente usando hipótesis en competencia”
    • “Ayúdame a hacer un análisis de causa raíz de este fallo que involucra varios módulos”
    • “Organiza una investigación paralela para este error que no logramos reproducir”

    SKILL.md

    En inglés

    Parallel Debugging

    Framework for debugging complex issues using the Analysis of Competing Hypotheses (ACH) methodology with parallel agent investigation.

    When to Use This Skill

    • Bug has multiple plausible root causes
    • Initial debugging attempts haven't identified the issue
    • Issue spans multiple modules or components
    • Need systematic root cause analysis with evidence
    • Want to avoid confirmation bias in debugging

    Hypothesis Generation Framework

    Generate hypotheses across 6 failure mode categories:

    1. Logic Error

    • Incorrect conditional logic (wrong operator, missing case)
    • Off-by-one errors in loops or array access
    • Missing edge case handling
    • Incorrect algorithm implementation

    2. Data Issue

    • Invalid or unexpected input data
    • Type mismatch or coercion error
    • Null/undefined/None where value expected
    • Encoding or serialization problem
    • Data truncation or overflow

    3. State Problem

    • Race condition between concurrent operations
    • Stale cache returning outdated data
    • Incorrect initialization or default values
    • Unintended mutation of shared state
    • State machine transition error

    4. Integration Failure

    • API contract violation (request/response mismatch)
    • Version incompatibility between components
    • Configuration mismatch between environments
    • Missing or incorrect environment variables
    • Network timeout or connection failure

    5. Resource Issue

    • Memory leak causing gradual degradation
    • Connection pool exhaustion
    • File descriptor or handle leak
    • Disk space or quota exceeded
    • CPU saturation from inefficient processing

    6. Environment

    • Missing runtime dependency
    • Wrong library or framework version
    • Platform-specific behavior difference
    • Permission or access control issue
    • Timezone or locale-related behavior

    Evidence Collection Standards

    What Constitutes Evidence

    Evidence Type Strength Example
    Direct Strong Code at file.ts:42 shows if (x > 0) should be if (x >= 0)
    Correlational Medium Error rate increased after commit abc123
    Testimonial Weak "It works on my machine"
    Absence Variable No null check found in the code path

    Citation Format

    Always cite evidence with file:line references:

    **Evidence**: The validation function at `src/validators/user.ts:87`
    does not check for empty strings, only null/undefined. This allows
    empty email addresses to pass validation.
    

    Confidence Levels

    Level Criteria
    High (>80%) Multiple direct evidence pieces, clear causal chain, no contradicting evidence
    Medium (50-80%) Some direct evidence, plausible causal chain, minor ambiguities
    Low (<50%) Mostly correlational evidence, incomplete causal chain, some contradicting evidence

    Result Arbitration Protocol

    After all investigators report:

    Step 1: Categorize Results

    • Confirmed: High confidence, strong evidence, clear causal chain
    • Plausible: Medium confidence, some evidence, reasonable causal chain
    • Falsified: Evidence contradicts the hypothesis
    • Inconclusive: Insufficient evidence to confirm or falsify

    Step 2: Compare Confirmed Hypotheses

    If multiple hypotheses are confirmed, rank by:

    1. Confidence level
    2. Number of supporting evidence pieces
    3. Strength of causal chain
    4. Absence of contradicting evidence

    Step 3: Determine Root Cause

    • If one hypothesis clearly dominates: declare as root cause
    • If multiple hypotheses are equally likely: may be compound issue (multiple contributing causes)
    • If no hypotheses confirmed: generate new hypotheses based on evidence gathered

    Step 4: Validate Fix

    Before declaring the bug fixed:

    • Fix addresses the identified root cause
    • Fix doesn't introduce new issues
    • Original reproduction case no longer fails
    • Related edge cases are covered
    • Relevant tests are added or updated

    Reproducido de wshobson/agents bajo licencia MIT. Leer esta página en markdown.

    Archivos

    2 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Detalles

    Creador
    wshobson
    Categoría
    Testing y QA
    Licencia
    MIT
    Recursos incluidos
    referencias
    Repositorio
    wshobson/agents
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de wshobson/agents

    Este repo incluye 183 skills. Si instalas uno, normalmente ya tienes los demás. Ver el pack agents entero y su comando de instalación

    Instala y opera Hermes Tweet, un plugin de Hermes Agent para investigar X/Twitter, leer timelines, analizar tweets y ejecutar operaciones privadas o de cambio de estado con aprobación previa.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    3 archivos
    Última actualización
    el mes pasado
    redes sociales

    Úsalo para mantener un almacén Markdown de conocimiento donde cada afirmación compilada se rastrea hasta una fuente inmutable y el drift se detecta con git diff sin gastar tokens.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 24 días
    documentos

    Úsalo al diseñar o revisar un esquema específico de PostgreSQL: buenas prácticas, tipos de datos, indexación, restricciones, patrones de rendimiento y funciones avanzadas.

    Costo de contexto al activarse
    2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 24 días
    bases de datos

    Úsalo cuando un proyecto guarda su estado en Superself: lee `self context` al iniciar sesión, vincula el trabajo a una work unit, reporta con evidencia y registra decisiones confirmadas.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 24 días
    productividad

    Úsalo cuando pidan optimizar un prompt, mejorar su rendimiento, diseñar una plantilla, aplicar chain-of-thought, few-shot prompting o técnicas avanzadas de prompt engineering para producción.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    10 archivos
    Última actualización
    el mes pasado
    herramientas desarrollo

    Audita y reescribe prosa para que deje de sonar generada por máquina. Incluye modo solo-detección, modo reescritura y modo edición en el lugar, con perfiles opcionales de voz y contexto.”

    Costo de contexto al activarse
    1.9k tok
    Tamaño del paquete
    4 archivos
    Última actualización
    el mes pasado
    redaccion contenido

    Skills relacionados

    Úsalo tras generar código con IA, aceptar sugerencias o revisar módulos escritos por IA, o cuando el código funcione pero parezca frágil o con deuda oculta.

    Costo de contexto al activarse
    850 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 2 meses
    testing qa

    Domina Bats (Bash Automated Testing System) para probar exhaustivamente scripts de shell, útil en TDD y pipelines CI/CD.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    testing qa

    Filtra checkpoints fine-tuneados con presupuestos de drift, comparación pareada y chequeos de olvido antes de promoverlos, tras un entrenamiento o al re-gatear un modelo ya promovido.

    Costo de contexto al activarse
    2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 2 meses
    testing qa