（602期）Ultra Agent Stinct – 出错时的自动修复本能

出错时的自动修复本能 内置调试本能，在代码出错、构建失败或遇到异常行为时自动激活，提供结构化的问题排查与修复流程，确保最小化改动并验证修复效果 使用说明 核心用法 Ultra Agent Stinct 是一个自动触发的内部调试技能，当 AI 在执行任务过程中遭遇代码错误、构建失败、堆栈追踪或意外行为时自动激活。它并非用户手动调用的工具，而是 AI 的"修复本能"。 技能提供三套核心工作流： 调试工作流（Debug Workflow）：遵循「复现→读错→读码→追溯→修复→验证→报告」的七步闭环。强调必须先通过 exec 复现错误、通过 read 查看具体代码、定位根因后再用 edit 进行最小化修改，最后必须重新运行验证修复效果。 编写新代码工作流：要求先理解项目结构（查看配置文件、匹配现有风格），再规划架构，最后 write 创建文件并验证运行。 测试运行工作流：自动识别 Node.js、Python、Rust、Go 等主流语言的测试命令，失败时自动转入调试工作流。 显著优点 强制性安全规则：内置 6 条安全铁律（先读后改、edit 优先于 write、禁止未经确认的删除/提交/推送），从源头避免破坏性操作 结构化思维：将模糊的"debug"转化为可执行的步骤，减少遗漏和误判 验证闭环：每条规则都强调"验证后再继续"，避免"修完即走"的隐患 上下文感知：提供跨平台命令速查表和 Git 集成规范，适配多环境开发 潜在局限 自动触发边界模糊：描述为"自动激活"，但实际仍需 AI 判断何时进入"完整工作流"vs"快速修复"，主观性较强 无用户确认机制：在自动化调试过程中可能直接修改用户代码，尽管有安全规则，但仍存在误改风险 重型任务委派模糊：提到可 spawn 后台 agent 处理大型重构，但未明确界定"重型"的量化标准 适合人群 AI 自身作为执行主体时的行为规范 复杂项目维护、多文件联调场景 需要严格代码审计和安全控制的开发环境 常规风险 自动化修改风险：AI 可能在用户未明确授权的情况下修改代码，虽有最小化改动原则，但仍建议关键操作前主动告知用户 验证依赖环境：若测试环境配置不当，"验证"步骤可能产生假阴性或假阳性 上下文窗口压力：大型项目调试时频繁 read 可能导致 token 消耗激增 原始说明 Autonomously handle coding tasks including writing, debugging, refactoring, testing, and git operations upon user request.