夜雨聆风你有没有遇到过这种情况？软 件突然不对劲了。页面打不开，按钮点了没反应，表格数字怪怪的，或者某个功能昨天还好好的，今天就像换了脾气。你把问题丢给 AI："这个 bug 帮我看看。"AI 很热情，马上开始分析。它说可能是这里，也可能是那里，还给你列了三四种原因。看起来很专业，但 你照着改了一圈，问题还在。
其实不是 AI 不想帮你，而是你给它的线索太像一句"我家电视坏了"。电视怎么坏？是没声音，没画面，遥控器没反应，还是插座没电？这些差别， 决定了维修师傅从哪里下手。AI 排查问题也是一样。在让 AI 帮你看错误之前，最有用的一件事不是先描述自己的猜测，而是先写清楚：这个问题是怎么一步一步发生的。这就叫复现步骤。
听起来有点像技术词，其实很简单。复现步骤就是一张"回放清单"：你先做了什么，接着点了哪里，然后看到了什么异常。比如 不要只说："登录有问题。"可以换成："我打开登录页，输入手机号和验证码，点击登录按钮后，页面停在原地，没有跳转。刷新后还 是一样。昨天同一个账号能登录。"这几句话看起来朴素，但对 AI 来说，信息量完全不一样。
"登录有问题"像是站在楼下喊了一声"楼上漏水了"。AI 只能到处猜：是不是水管？是不是窗户？是不是空调？而复现步骤像是 告诉它："我先打开厨房水龙头，十秒后客厅天花板开始滴水，关掉水龙头就停了。"这下范围一下子缩小了。
复现步骤的好处是，它把事情拉回现场。先点 A，再点 B，出现 C。这就像监控录像，比一句"我觉得是他干的"靠谱得多。
这些问题听起来琐碎，但它们就像拼图的边框。边框拼出来，里面才好填。如果你只说"按钮坏了"，AI 面对的是一整盒乱拼图。如果你说"在手机浏览器里，进入订单页，选择优惠券后，再点提交按钮没有反应；电脑端正常"，AI 马上就知道：重点可能在手机端、订单页、优惠券之后、提交动作这里。
就像你去看医生，一进门就说："医生，我是不是肝有问题？"医生如果只围着这个猜测转，可能会忽略你其实只 是昨晚吃坏了肚子。更好的顺序是：先说症状怎么出现，再说你怀疑什么。事实是主菜，猜测只是配菜。
不用写成厚厚的说明书。普通人记住四个小问题就够了。
打开哪个页面，进入哪个功能，用哪个账号或哪类数据。
按顺序写，不要跳。点了什么，输入了什么，选择了什么。
应该跳转成功、应该保存、应该弹出提示、应该显示一条记录。
没有反应、提示错误、数字变成 0、页面空白、重复生成两条记录。
这四个问题放在一起，就是一个很有用的排查现场。举个更生活化的例子。你让 AI 帮你看"导出报表失败"，不要只写这六个字。可以说：
看到最后一句了吗？"只选一天可以成功"非常关键。它告诉 AI：功能不是完全坏掉，可能和数据量、时间范围、某种筛选条件 有关。排查方向立刻变清楚。这就是复现步骤的威力。它不是为了显得你很专业，而是为了让 AI 少猜一点，多看一点。
AI 不怕问题复杂，怕的是问题像一团雾。你多给一个清晰动作，它就少走一段弯路。
当然，复现步骤不是万能药。有 些问题本来就很隐蔽，可能和网络、权限、数据、时间都有关系。但即便如此，清楚的步骤也能帮 AI 建立一个起点。没有起点，排查就像在黑屋子里摸钥匙；有了起点，至少知道先摸哪张桌子。
所以，下次你想让 AI 帮你查 bug，先别急着问"哪里错了"。先把现场讲出来。你做了什么？你期待什么？它实际怎样？有没有一种情况正常，另一种情况不正常？ 当你把这些写清楚，AI 就不再只是一个坐在屏幕另一头瞎猜的助手，而更像一个陪你一起回看监控的人。
下一次，我们可以继续聊一个很实用的话题：AI 给出修复建议之后，普通人怎么判断它是真的找到了问题，还是只是说得很像那么回事？
AI 才能陪你一起回看监控
