关于 root-cause-analysis
面向工程师的问题根因分析 Skill,通过证据、假设和验证实验梳理系统性根因及促成因素。它避免将最后一次报错直接视为根因,并在信息不足时交付带有明确边界的初版。
主要功能
- 01区分触发因素、根因与促成因素
- 02关联证据并标注待验证假设
- 03分析因果链、反证与复发风险
- 04按风险和证据强度排序改进项
适用场景
- 01调查系统问题的根本成因
- 02评审现有分析并找出证据缺口
- 03信息不完整时制定验证实验
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ naodeng/ awesome-qa-skills --skill root-cause-analysis安装后在 Claude Code 中输入/root-cause-analysis确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
agents/openai.yamlevals/eval.yamlevals/cases/basic-success.yamledge-incomplete-input.yamledge-risk-priority.yamlreview-competing-hypotheses.yamlreview-controlled-causal-chain.yamlprompts/root-cause-analysis.md详细介绍
来自项目 README根因分析(中文版)
何时使用
- 需要通过证据、假设和验证实验识别问题的系统性根因与促成因素。
- 需要对现有方案、结果或证据做风险评审,并形成可执行改进项。
- 输入不完整,但仍需先给出带假设和信息缺口的可用初版。
输出格式选项
- 默认输出 Markdown,适合评审、执行和持续补充。
- 用户要求表格、CSV、JSON 或工单格式时,保留同样的风险、证据、优先级和边界字段。
- 若输出会进入自动化流程,先确认字段 schema、枚举值和必填项。
如何使用
- 先阅读并遵循
prompts/root-cause-analysis.md的输入、执行规则、最低覆盖清单和输出顺序。 - 补充真正影响判断的范围、环境、版本、限制、证据和成功标准。
- 先做输入审计,再区分已确认事实、合理假设和待确认问题。
- 按风险和证据强度排序,产出可直接执行、评审或验证的结果。
- 信息不足时不要停在提问:先交付受限初版,并说明哪些结论暂不能成立。
参考文件
- 每次执行必须读取
prompts/root-cause-analysis.md;它是本 Skill 的完整执行规范。 - 需要评测或回归本 Skill 时,读取
evals/eval.yaml与匹配的evals/cases/用例。 - 只有目录实际存在且任务需要时,才读取
references/、examples/、scripts/或output-formats.md,不要假设不存在的资产。
核心约束
- 不要把最后一个报错当根因
- 区分触发因素、根因和促成因素
- 证据不足时保持假设状态
- 不编造输入中不存在的系统行为、字段、数据、指标或根因。
- 关键结论必须关联证据;证据不足时标记为假设并给出验证方法。
- 优先级必须说明业务影响、发生可能性或可探测性依据。
交付前自检
- 已覆盖:问题定义、时间关联、因果链、促成因素、反证、复现、控制缺陷、复发风险。
- 已区分事实、假设、缺口和建议。
- 高风险项有明确优先级、证据、负责人或下一步。
- 输出包含可验证的判断标准,而非泛泛而谈。
- 未执行未经授权的生产写操作或破坏性动作。
常见误区
- 只列检查点,不说明输入条件、预期结果或证据。
- 把所有事项都标为高优先级,失去取舍价值。
- 用工具名或通用理论替代领域判断。
- 输入不完整时直接拒绝,或反过来假装结论已经确定。
最佳实践
- 从最可能造成业务损失、安全问题或发布阻塞的路径开始。
- 用最小可验证实验缩小不确定性,并记录复现条件。
- 让输出能够被另一位工程师直接执行和复核。
评论
支持 Markdown