使用 AI 调试复杂问题最有效的方法是提供具体、确凿的证据，而非模糊的描述。关于应用程序崩溃的模糊提问往往只能得到泛泛的建议，鲜少有用。与其描述问题，不如向 AI 展示实际的错误堆栈、相关的代码片段以及最近的 git 提交。创建一个能够稳定复现该 bug 的小型可重现案例更佳。一旦提供了这些上下文，你就可以就观察到的具体行为提出针对性问题。AI 难以处理歧义，但在解释精确的代码执行方面表现出色。例如，在调试内存泄漏时，通过提供堆快照和特定代码片段，迅速定位到了缺失的 map 条目清理问题。Chrome DevTools 的堆快照功能、clinic.js 的性能分析工具以及 Node 的 inspect 特性，对于收集此类证据至关重要。展示 git diff 和日志有助于 pinpoint 近期可能引发问题的更改。关键在于将 AI 作为加速你理解的工具，而非替代你自己的调试过程。不妨将 AI 视为一双不知疲倦的、充满新意的眼睛，协助你分析所提供的证据。