parallel-debugging skill
✓ DoğrulandıÇekişmeli hipotezler üreterek ve kanıta dayalı kök neden hakemliği yaparak paralel incelemeler gerçekleştirin ve karmaşık sorunları hata ayıklama (debug) yoluyla çözün.
- GitHub yıldızları
- 42.413
- Dosyalar
- 2
- Son commit
- 9 Kas 2026
- Lisans
- MIT
- İzin verilen araçlar
- —
parallel-debugging skill ne işe yarar?
Çekişmeli hipotezler üreterek ve kanıta dayalı kök neden hakemliği yaparak paralel incelemeler gerçekleştirin ve karmaşık sorunları hata ayıklama (debug) yoluyla çözün.
Özet, skill'in SKILL.md dosyasından oluşturuldu.
parallel-debugging skilli hakkında
Çekişmeli hipotezler oluşturarak ve paralel incelemeler yürüterek karmaşık yazılım hatalarını çözmek, bu yeteneğin temel işlevidir. Bu yetenek; birden fazla olası kök nedeni olan sorunlarla, birkaç modüle yayılan problemlerle veya ilk hata ayıklama girişimlerinin başarısız olduğu durumlarla karşılaşan geliştiriciler için tasarlanmıştır. Bir agent, Çekişmeli Hipotez Analizi metodolojisini uygulayarak mantık hataları, veri sorunları, durum (state) problemleri, entegrasyon hataları, kaynak sorunları ve ortam farklılıkları dahil olmak üzere altı hata modu kategorisini sistematik olarak inceleyebilir.
Bir agent, doğrulama yanlılığından (confirmation bias) kaçınmak için sistematik kök neden analizi yaparken bu yeteneği yüklemelidir. Süreç; doğrudan, korelasyonel, tanıklık veya veri yokluğu gibi güç derecelerine göre kategorize edilmiş yapılandırılmış kanıtlar üretir. Yetenek, yüksek güven seviyelerini korumak için dosya ve satır referanslarını kullanan katı bir atıf formatına dayanır. İncelemeler tamamlandığında araç, bulguları onaylanmış, makul, yanlışlanmış veya sonuçsuz olarak kategorize etmek için bir sonuç hakemliği protokolü kullanır ve nihayetinde tek bir kök nedenin mi yoksa bileşik bir sorunun mu mevcut olduğunu belirlemeye yardımcı olur.
Bir agent bununla neler yapabilir
- 1Çok modüllü sistem hatalarını inceleyinÇeşitli hata kategorileri üzerinden hipotezler üreterek farklı bileşenlere yayılan bir hatayı analiz edin.
- 2Geliştirici doğrulama yanlılığını azaltınİncelemenin objektif kalmasını sağlamak için bir hatanın farklı potansiyel nedenlerini sistematik olarak değerlendirin.
- 3Kanıta dayalı kök neden hakemliği yapınBir sistem hatasının en olası nedenini belirlemek için birden fazla onaylanmış hipotezi karşılaştırın.
- 4Yazılım düzeltmesini doğrulayınÖnerilen bir çözümün, yeni sorunlar yaratmadan tanımlanan kök nedeni gerçekten giderdiğinden emin olun.
Skill'in SKILL.md dosyasından yazılmıştır. Her kullanım durumu oradaki bir alıntı ile kontrol edilir.
parallel-debugging skill nasıl kurulur
Her komut, skill klasörünü istemcinin skills dizinine kopyalar. Yüklemek için istemciyi yeniden başlatın veya yeni bir oturum başlatın.parallel-debugging skill'ini Eklenti uygulamasına kur
/plugin marketplace add wshobson/agents /plugin install agent-teams@claude-code-workflows
parallel-debugging skill'ini Claude Code uygulamasına kur
~/.claude/skills/parallel-debugging/SKILL.md
$ npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging ~/.claude/skills/parallel-debuggingparallel-debugging skill'ini Claude Code (project) uygulamasına kur
.claude/skills/parallel-debugging/SKILL.md
$ npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging .claude/skills/parallel-debuggingparallel-debugging skill'ini Codex uygulamasına kur
~/.agents/skills/parallel-debugging/SKILL.md
$ npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging ~/.agents/skills/parallel-debuggingparallel-debugging skill'ini Gemini CLI uygulamasına kur
~/.gemini/skills/parallel-debugging/SKILL.md
$ npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging ~/.gemini/skills/parallel-debuggingparallel-debugging skill'ini Claude.ai uygulamasına kur
npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging parallel-debugging && zip -r parallel-debugging.zip parallel-debugging # claude.ai → Customize → Skills → + → Create skill → Upload a skill → parallel-debugging.zip
Otomatik kontroller
Çalıştırıldı 15 Kas 2026Tam rapor →Otomatik kontrollerimizi geçti. Bu bir güvenlik denetimi değil: bir ajanın çalıştırmasına izin vermeden önce betikleri okuyun. Kontroller nasıl çalışır
- Kaynak deposu bağlantılı ve erişilebilirwshobson/agents/plugins/agent-teams/skills/parallel-debugging is public and reachablegithub.com/wshobson/agents/tree/HEAD/plugins/agent-teams/ski ↗Geçti
- Açık kaynak lisansı (OSI)MITspdx.org/licenses/MIT.html ↗Geçti
- Son bir yıl içinde commit veya sürüm mevcutLast commit 2026-11-09github.com/wshobson/agents/commits ↗Geçti
- Betiklerde indir-çalıştır veya kimlik bilgisi hırsızlığı yokNo scripts in the skill folderGeçti
- SKILL.md içinde gizli talimat yokNo override phrases, safeguard switches, credential requests or hidden charactersgithub.com/wshobson/agents/blob/HEAD/plugins/agent-teams/ski ↗Geçti
- Önceden izin verilen araçlar sınırlıNo pre-approved tools; the agent asks before using onegithub.com/wshobson/agents/blob/HEAD/plugins/agent-teams/ski ↗Geçti
- SKILL.md, Agent Skills biçimine uyuyorValid name and description; says when to use it; 134 linesgithub.com/wshobson/agents/blob/HEAD/plugins/agent-teams/ski ↗Geçti
SKILL.md
GitHub'da görüntüleParallel 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:
- Confidence level
- Number of supporting evidence pieces
- Strength of causal chain
- 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
Bu becerideki dosyalar
2parallel-debugging skill soruları
parallel-debugging skill'ini Claude Code uygulamasına nasıl kurarım?
npx degit wshobson/agents/plugins/agent-teams/skills/parallel-debugging ~/.claude/skills/parallel-debugging komutunu çalıştırın. Claude Code, skill'leri ~/.claude/skills (tüm projeler) veya .claude/skills (tek proje) konumundan yükler ve açıklaması görevle eşleştiğinde skill'i kullanır.
parallel-debugging skill'ini hangi istemciler kullanabilir?
Agent Skills biçimini okuyan her istemci: Claude Code, Codex, Gemini CLI ve claude.ai (ZIP olarak yükleyin). Skill içindeki betikler yalnızca istemcinin kod çalıştırmaya izin verdiği yerlerde çalışır.
Paralel hata ayıklama yeteneğini ne zaman kullanmalıyım?
Bir hata birden fazla olası kök nedene sahipse, ilk hata ayıklama denemeleri başarısız olduysa, sorun birden fazla bileşeni kapsıyorsa veya sistematik bir kök neden analizine ihtiyacınız varsa bu yeteneği kullanın.
Kanıt gücü nasıl kategorize edilir?
Kanıtlar; Doğrudan (Güçlü), Korelasyonel (Orta), Tanıklık (Zayıf) ve Yokluk (Değişken) olarak kategorize edilir.