agentic-os-org/anolisa/agentsight-bugfix

AgentSight Fix Issues 流程

目标

在接到 AgentSight 的 Bug 修复任务时，严格按以下五个阶段执行，确保每轮迭代最小化改动、最大化验证。

了解问题 → 复现验证 → 根因分析 → 编码修复 → 验证修复

阶段 1：了解问题

目标：明确 Bug 的实际表现、预期行为和影响范围，在动手之前先想清楚。

• 阅读 issue 描述或 Bug 报告，提取关键信息：
• 实际表现：当前系统做了什么？（错误数据、缺失字段、异常行为等）
• 预期行为：系统应该做什么？
• 触发条件：什么场景下出现？（特定 Agent、特定 API、特定协议等）
• 影响范围：哪些数据/功能受影响？
• 定位相关代码模块，理解当前数据流路径（参考 docs/ARCHITECTURE.md 流水线：Probes → Parser → Aggregator → Analyzer → GenAI → Storage）
• 不要在这个阶段下结论或开始写代码，信息不充分时的判断大概率是错的

阶段产出：四要素摘要（实际表现、预期行为、触发条件、影响范围）。

阶段 2：复现验证

目标：在实际环境中从零运行一次完整流程，亲眼看到 Bug 发生。

硬性要求：

• 必须在实际环境中运行 agentsight trace，不要只看已有数据或旧 DB 就下结论
• 必须从零开始：停掉旧进程 → 清理旧数据 → 启动 trace（开启 debug 日志）→ 触发目标场景 → 查询 DB 确认 Bug 存在
• 收集 debug 日志，用于阶段 3 分析

阶段产出：实际观察到的现象（DB 数据、日志关键行），与阶段 1 的预期做对比。

阶段 3：根因分析

目标：基于阶段 2 收集的日志和数据，定位数据流在哪个环节断了。

原则：

• 先看日志证据，定位数据流断点，不要只凭代码推测
• 重点关注事件处理顺序（时序问题），agentsight 事件循环是串行的
• 验证旧代码的实际行为是否和预期一致（如 parsed_message 是否为 None、mapper 是否命中）

常见断点检查清单：

阶段产出：明确指出数据流在哪个环节断了，以及断裂的原因。

阶段 4：编码修复

目标：针对阶段 3 定位的断点，做最小范围的代码修改。

原则：

• 只改解决该问题所需的部分，无关改动不要顺手一起改
• 修复可能涉及多个断点时，每轮只修一个

提交前必须通过本地检查：

• cargo fmt
• cargo clippy --all-targets -- -D warnings
• cargo test

阶段 5：验证修复

目标：构建新版本并部署到运行环境，从零验证修复有效。

• 构建 release 版本
• 部署到运行环境（本地直接使用，远程环境需上传部署）
• 按阶段 2 的流程完整走一遍：清 DB → trace → 触发请求 → 查 DB，确认修复有效

验证结果处理

完成确认

• [ ] 问题场景在实际环境中从零验证通过
• [ ] cargo test 全部通过
• [ ] 无引入新的 clippy warning
• [ ] 改动范围仅限问题本身，无附带无关变更

注意事项

• 不要只看旧 DB 数据就下结论，必须从零运行一次完整流程
• 不要顺手改无关代码，每轮只修最小必要改动
• 验证失败时回到日志分析，不要盲目叠加代码