Wzorce debugowania i odzyskiwania po błędach

Rewolucja debugowania wspomagana przez AI

Debugowanie to już nie dodawanie instrukcji print ręcznie i wpatywanie się w stack trace. Z pomocą AI Cursor możesz diagnozować problemy w minuty, które tradycyjnie zajęłyby godziny, automatycznie naprawiać błędy, a nawet zapobiegać błędom zanim się pojawią.

Strategiczne logowanie błędów z AI

Najpotężniejszy wzorzec debugowania: pozwól AI dodać logowanie, uruchomić kod, przeanalizować output i automatycznie naprawić problemy.

Automatyczna pętla debugowania

AI dodaje strategiczne logowanie

Agent: Dodaj logowanie aby zrozumieć dlaczego sesje użytkowników wygasają

Uruchom kod z instrumentacją

Agent wykonuje kod, przechwytuje cały output logów

AI analizuje logi

Na podstawie logów: "Sesje wygasają bo cookie brakuje
flagi Secure na połączeniach HTTPS"

Automatyczne generowanie naprawy

Agent naprawia problem i weryfikuje rozwiązanie

Rzeczywista sesja debugowania

Użytkownik: Przetwarzanie płatności czasami zawodzi

Agent: Dodam strategiczne logowanie aby zdiagnozować ten problem.

[Dodaje logowanie wokół wywołań API płatności, transakcji bazy danych,
i obsługi błędów]

Uruchamiam przepływ płatności 10 razy aby wychwycić wzorzec...

Analiza: Problem występuje gdy:
1. Pula połączeń bazy danych jest wyczerpana (8/10 awarii)
2. Osiągnięto limit częstości API płatności (2/10 awarii)

Naprawię oba problemy:
- Dodanie logiki retry dla puli połączeń
- Implementacja exponential backoff dla wywołań API

[Implementuje naprawy]
[Uruchamia 50 więcej testów - 100% wskaźnik sukcesu]

Sporadyczne awarie są teraz rozwiązane.

Zarządzanie błędami lintera

Użyj @Linter-errors aby automatycznie naprawić problemy jakości kodu:

Automatyczne naprawy lintera

Błędy TypeScript

Agent: Uruchom tsc i napraw wszystkie błędy TypeScript

Z trybem YOLO Agent iteruje aż build przejdzie

Problemy ESLint

Agent: Napraw wszystkie ostrzeżenia i błędy ESLint

AI rozumie intencję za zasadami lint

Podpowiedzi typów Python

Agent: Dodaj brakujące podpowiedzi typów na podstawie outputu mypy

Kompleksowa bezpieczeństwo typów bez ręcznej pracy

Format i styl

Agent: Uruchom prettier i napraw całe formatowanie

Spójny styl kodu automatycznie utrzymywany

Przepływ pracy oczyszczania przed PR

# Utwórz komendę pre-PR która uruchamia wszystkie sprawdzenia
{
  "scripts": {
    "pre-pr": "npm run lint && npm run test && npm run build"
  }
}

Następnie po prostu:

Agent: Uruchom npm run pre-pr i napraw wszelkie problemy aż przejdzie

Integracja śledzenia błędów

Połącz Cursor ze śledzeniem błędów produkcyjnych dla automatycznego rozwiązywania:

Wzorzec integracji Sentry

Użytkownik: Sprawdź Sentry pod kątem ostatnich błędów i stwórz naprawy

Agent: Analizuję dashboard Sentry...

Znaleziono 3 krytyczne problemy:
1. NullPointerException w UserService.getProfile() - 147 wystąpień
2. Timeout API w PaymentGateway - 23 wystąpienia
3. Nieprawidłowy format daty w ReportGenerator - 89 wystąpień

Zaczynam od najczęstszego problemu:

[Otwiera UserService.java]
Null pointer występuje gdy user.getPreferences() zwraca null
ale nie sprawdzamy przed wywołaniem .getTheme().

Tworzę naprawę z bezpieczeństwem null:

Automatyczne rozwiązywanie błędów

Wykrywanie błędów - monitorowanie systemów śledzenia błędów
Analiza głównej przyczyny - AI analizuje stack trace i wzorce
Reprodukcja - Agent próbuje odtworzyć lokalnie
Generowanie naprawy - tworzy celowaną naprawę głównej przyczyny
Weryfikacja - testuje czy naprawa zapobiega powtórzeniu
Tworzenie PR - składa naprawę do przeglądu

Integracja bug finder

Użyj bug finder Cursor przed commitowaniem:

Komenda: Ctrl+Shift+P → "bug finder"

Agent analizuje twoje zmiany i identyfikuje:
- Potencjalne wyjątki null pointer
- Brakującą obsługę błędów
- Luki w zabezpieczeniach
- Problemy wydajnościowe
- Błędy logiki

Przykład sesji Bug Finder

Wyniki Bug Finder:

1. 🔴 Krytyczne: Potencjalne SQL injection w UserQuery.java:45
   - Input użytkownika bezpośrednio konkatenowany do zapytania
   - Sugerowana naprawa: Używaj parametryzowanych zapytań

2. 🟡 Ostrzeżenie: Brakujące sprawdzenie null w calculateTotal():
   - Parametr items może być null
   - Sugerowana naprawa: Dodaj klauzulę guard null

3. 🟡 Ostrzeżenie: Nieefektywna pętla w processOrders():
   - Wykryto wzorzec zapytań N+1
   - Sugerowana naprawa: Używaj batch loading

Agent: Czy chcesz żebym naprawił te problemy?

Debugowanie wydajności

AI może identyfikować i naprawiać wąskie gardła wydajności:

Przepływ pracy analizy wydajności

Agent: Profiluj wolny endpoint i zidentyfikuj wąskie gardła

Uruchamiam profiler wydajności...

Wyniki:
- 45% czasu w zapytaniach bazy danych
- 30% czasu w serializacji JSON
- 15% czasu w logice biznesowej
- 10% inne

Główne wąskie gardło: Brakujący indeks bazy danych na user_id

Agent: To zapytanie zajmuje 2.3 sekundy. Optymalizuję...

Znalezione problemy:
1. Brakujący indeks na często odpytywanej kolumnie
2. Niepotrzebny JOIN z nieużywaną tabelą
3. SELECT * zamiast konkretnych kolumn

Po optymalizacji: 0.087 sekund (26x szybciej)

Agent: Analizuję wzorce użycia pamięci...

Znaleziono potencjalny wyciek: EventListeners nie są usuwane
w ComponentManager. Każde mount dodaje listenery ale
unmount ich nie czyści.

Dodaję czyszczenie w componentWillUnmount()

Zaawansowane wzorce debugowania

Wzorzec 1: Debugowanie różnicowe

Agent: Porównaj działającą wersję (commit abc123) z zepsutą wersją
aby zidentyfikować co spowodowało regresję

Analizuję różnice...

Problem został wprowadzony w commit def456:
- Zmieniono przepływ uwierzytelniania
- Usunięto krok walidacji sesji
- To powoduje natychmiastowe wylogowanie przy odświeżeniu strony

Cofam problematyczną zmianę i dodaję test aby zapobiec regresji

Wzorzec 2: Debugowanie systemów rozproszonych

Agent: Debuguj dlaczego zamówienia zawodzą w architekturze mikroserwisów

Śledzenie przepływu żądania:
1. ✓ Order Service odbiera żądanie
2. ✓ Inventory Service rezerwuje przedmioty
3. ✗ Payment Service timeout
4. ✗ Order Service rollback zawodzi

Główna przyczyna: Pula połączeń bazy danych Payment Service wyczerpana
Drugorzędny problem: Transakcja rollback brakuje obsługi timeout

Naprawiam oba problemy...

Wzorzec 3: Wykrywanie race condition

Agent: Ten test przechodzi lokalnie ale zawodzi w CI. Badanie...

Dodaję logi czasowe wokół krytycznych sekcji...

Znaleziono race condition:
- Test zakłada że wywołanie API kończy się przed aktualizacją UI
- W CI (wolniejsze środowisko) UI aktualizuje się pierwszy
- Test sprawdza dane które się jeszcze nie załadowały

Dodaję odpowiednie async/await i warunki oczekiwania

Strategie odzyskiwania po błędach

Automatyczny rollback

Agent: Ostatnie wdrożenie spowodowało błędy. Cofam...

1. Identyfikuję ostatnią działającą wersję z tagów Git
2. Tworzę PR revert dla problematycznych zmian
3. Uruchamiam testy aby upewnić się że rollback jest czysty
4. Wdrażam poprzednią stabilną wersję
5. Tworzę raport incydentu z główną przyczyną

Systemy samonaprawiające

# Konfiguruj zachowania samonaprawiające
Agent: Monitoruj zdrowie aplikacji i auto-naprawiaj częste problemy:

- Jeśli użycie pamięci > 80%: Uruchom garbage collection
- Jeśli czas odpowiedzi > 2s: Wyczyść cache i restart workerów
- Jeśli wskaźnik błędów > 5%: Przełącz na tryb ograniczony
- Jeśli połączenie z bazą danych zawodzi: Próbuj reconnect z backoff

Debugowanie złożonych scenariuszy

Problemy wielokomponentowe

Frontend + Backend

Agent śledzi problemy przez cały stos, od UI do bazy danych

Operacje asynchroniczne

AI dodaje logi czasowe aby zidentyfikować race conditions i deadlocki

API zewnętrzne

Mockuj zewnętrzne serwisy aby izolować problemy i testować przypadki błędów

Produkcja vs lokalne

Agent pomaga odtworzyć problemy produkcyjne w środowisku lokalnym

Częste przepływy pracy debugowania

Przepływ pracy 1: Badanie awarii testu

Test zawodzi: UserAuthentication.test.js

Agent: Pozwól mi debugować tę awarię testu.

1. Uruchamiam test w izolacji - ZAWODZI
2. Dodaję verbose logging do testu
3. Test oczekuje 'user.role' ale otrzymuje undefined
4. Sprawdzam ostatnie zmiany...
5. Znaleziono: Migracja schematu dodała 'role' ale dane seed nie zostały zaktualizowane
6. Aktualizuję fixtures testowe polem role
7. Test teraz przechodzi ✓

Przepływ pracy 2: Hotfix produkcyjny

PILNE: Użytkownicy nie mogą się zalogować - problem produkcyjny

Agent: Badam awarię logowania...

1. Sprawdzam ostatnie wdrożenia (2 godziny temu)
2. Analizuję logi błędów: "Invalid JWT secret"
3. Zmienna środowiskowa JWT_SECRET nie jest ustawiona w produkcji
4. Tworzę hotfix:
   - Dodanie fallback dla brakującej zmiennej env
   - Logowanie ostrzeżenia przy użyciu fallback
   - Tworzenie pilnego PR

Naprawa wdrożona. Logowanie przywrócone.
Całkowity czas rozwiązania: 8 minut.

Rozwiązywanie problemów z Cursor

Gdy sam Cursor ma problemy:

Rozwiązanie:
1. Uruchom diagnostykę sieciową: Ustawienia → Sieć → Uruchom diagnostykę
2. Sprawdź ustawienia firewall/proxy
3. Spróbuj fallback HTTP/1.1 jeśli HTTP/2 jest zablokowane
4. Sprawdź połączenie internetowe

Rozwiązanie:
1. Sprawdź czy indeksowanie jest w toku
2. Wyłącz problematyczne rozszerzenia: cursor --disable-extensions
3. Wyczyść cache i restart
4. Monitoruj logi serwera MCP pod kątem problemów

Rozwiązanie:
1. Sprawdź czy quota API nie została przekroczona
2. Sprawdź ustawienia trybu prywatności
3. Upewnij się że pliki są indeksowane: Ustawienia → Indeksowanie i dokumentacja
4. Spróbuj przełączyć modele AI

Najlepsze praktyki zapobiegania błędom

Kodowanie defensywne

Pozwól AI dodać sprawdzenia null, walidację input i granice błędów

Wczesne testowanie

Pisz testy z implementacją aby wychwycić problemy natychmiast

Bezpieczeństwo typów

Używaj TypeScript/podpowiedzi typów aby zapobiec błędom runtime

Przeglądy kodu

BugBot wychwytuje problemy zanim dotrą do produkcji

Mierzenie efektywności debugowania

Śledź te metryki aby zobaczyć poprawę:

Średni czas do rozwiązania (MTTR): powinien się zmniejszyć o 40%+
Błędy wykryte przed produkcją: wzrost z recenzjami AI
Długość sesji debugowania: krótsza z pomocą AI
Incydenty produkcyjne: mniej z proaktywnym wykrywaniem
Metryki jakości kodu: lepsze z automatycznymi naprawami

Następne kroki

Opanuj debugowanie z pomocą AI:

Włącz tryb YOLO dla automatycznego naprawiania błędów
Ustaw integrację śledzenia błędów
Używaj bug finder przed każdym commitem
Twórz szablony debugowania dla częstych problemów
Dziel się wzorcami debugowania z zespołem