De flesta ”utbildningar” i felsökning är en hög med tips, några krigshistorier och mycket hopp. Så när nästa bugg slår till faller teamet tillbaka i gissningar: slumpmässiga print-satser, halvlästa loggar och fixar som ni inte kan verifiera med säkerhet. Det känns som mycket aktivitet, men det är inte disciplinerat.
Det här coachingprogrammet för felsökning är byggt för engineering managers som vill standardisera hur teamet felsöker under press, seniora utvecklare som coachar juniorer som fastnar i läget ”testa allt”, och konsulter som behöver ett repeterbart sätt att lära ut felsökning till kunder utan åtkomst till privat kod. Resultatet är en personlig, flerfasig resa mot mästerskap (6–11 faser) mappad till David Agans nio regler, komplett med mål, övningar, artefakter och ”fortsätt”-grindar så att du kan coacha steg för steg.
Vad gör den här AI-prompten och när ska du använda den?
| Vad den här prompten gör | När du ska använda den här prompten | Det här får du |
|---|---|---|
|
|
|
Hela AI-prompten: Agans-baserad coach för en resa mot felsökningsmästerskap
Fyll i fälten nedan för att anpassa prompten efter dina behov.
| Variabel | Vad du ska ange | Anpassa prompten |
|---|---|---|
[MALGRUPP] |
Ange den primära användargruppen som den här utbildningsplanen är utformad för, inklusive roll, erfarenhetsnivå och relevanta egenskaper. Till exempel: "Juniora mjukvaruutvecklare med 1–3 års erfarenhet av backendutveckling, som arbetar i snabbfotade startups."
|
|
[KONTEXT] |
Beskriv användarens felsökningsmiljö, inklusive verktyg, system, arbetsflöden samt eventuella begränsningar eller särskilda förutsättningar. Till exempel: "Felsökning av mikrotjänster i ett Kubernetes-kluster med begränsad åtkomst till produktionsloggar och strikta SLA-krav."
|
|
[BRANSCH] |
Ange vilken bransch eller domän användaren arbetar inom, så att felsökningsupplägget kan anpassas därefter. Till exempel: "Mjukvaruutveckling inom flyg- och rymdindustrin för verksamhetskritiska flygstyrningssystem."
|
|
[UTMANING] |
Beskriv det huvudsakliga problemet eller hindret användaren möter i sitt felsökningsarbete, inklusive återkommande utmaningar. Till exempel: "Svårigheter att isolera intermittenta buggar på grund av avsaknad av reproducerbara testfall och inkonsekvent loggning."
|
|
[TILLGANGLIG_TID] |
Ange hur mycket tid användaren kan avsätta för felsökningsutbildning, uttryckt i timmar per vecka eller andra relevanta enheter. Till exempel: "5 timmar per vecka, fördelat mellan kvällar och helger."
|
|
[TON] |
Ange den ton som passar användarens lärstil bäst, till exempel formell, samtalsnära eller motiverande. Till exempel: "Lugn och coachande, med fokus på tydlighet och konkreta råd att agera på."
|
|
[FORMAT] |
Ange vilket format användaren föredrar för utbildningsplanen, till exempel textbaserade guider, interaktiva verktyg eller videogenomgångar. Till exempel: "Textbaserade guider med steg-för-steg-instruktioner och enstaka diagram."
|
Proffstips för bättre resultat från AI-prompten
- Ta med en verklig bugg (även en nyligen inträffad). Du får bättre fasdesign om du beskriver ett faktiskt fel: symptom, påverkan och vad du testade. Lägg till en kort tidslinje som ”sågs först efter deploy X, mildrades via rollback, återkommer under last” så kan coachen forma övningar utifrån er verklighet.
- Beskriv er miljö som en specifikation. Säg inte ”webbapp”. Säg ”Node 18, Postgres 14, Redis-cache, Kubernetes, OpenTelemetry-traces i Grafana, loggar i Loki, feature flags via LaunchDarkly.” Om du vill kan du lägga till: ”Fråga mig om saknade miljödetaljer innan du bygger faser.”
- Be om observerbara artefakter, inte motivation. Den här prompten kan bli filosofisk, men den är tänkt att vara rigorös. Efter intaget, lägg till en följdfråga som: ”För varje fas, skriv ut exakt vilken artefakt jag ska ta fram (mallformat), plus ett exempel ifyllt för mitt case.”
- Använd ”fortsätt”-grindarna för att tvinga fram övning. När assistenten är klar med fas 1, stressa inte vidare. Svara med din färdiga artefakt och be: ”Granska detta efter svaga antaganden, saknad data och eventuella regelbrott. Justera sedan nästa fas därefter.”
- Gör det till en loop för teamcoaching. Om du tränar flera personer, be om två spår: ett för individuell kompetensutveckling och ett för gemensamma teamritualer. Testa: ”Skapa ett parallellt spår med en 30-minuters veckovis teamgranskning av felsökning med samma Agans-regelvokabulär, plus en rubrik för peer feedback.”
Vanliga frågor
Engineering managers använder detta för att standardisera hur felsökning lärs ut och praktiseras, så att ”hur vi felsöker” inte hänger på en enskild senior hjälte. Staff- eller seniora mjukvaruingenjörer lutar sig mot det för att coacha konsekvent, med faser, övningar och artefakter som de kan granska i stället för vaga råd. SRE:er och incident responders gynnas eftersom programmet betonar evidens-först-arbetsflöden, verifiering och säkra vägar när reproduktion är svår. Tekniska utbildare använder det för att bygga en repeterbar läroplan som anpassar sig efter varje deltagares miljö och begränsningar.
SaaS- och B2B-plattformar använder den för att minska produktionsincidenter som beror på dålig isolering och svag verifiering, särskilt när flera tjänster samverkar. Fintech- och betalningsteam använder den när de behöver revisionsvänlig motivering och reproducerbara fixar, eftersom ”verkar okej nu” kan bli dyrt. Vård och reglerad mjukvara får värde av det disciplinerade, artefaktbaserade angreppssättet (hypotesloggar, verifieringsplaner) som stödjer efterlevnadskrav. Inbyggda och verksamhetskritiska system gynnas eftersom Agans-lik rigor passar miljöer där felsökning måste vara metodisk och testbar, även med begränsad observerbarhet.
En typisk prompt som ”Skriv ett felsökningsutbildningsprogram för mitt team” misslyckas eftersom den: saknar ett intag som identifierar verktyg, begränsningar och kompetensgap; inte erbjuder ett strukturerat ramverk som Agans nio regler att förankra beslut i; ignorerar interaktiv körning (den dumpar innehåll en gång och slutar sedan); producerar generiska ”tips” i stället för fasmål, övningar och granskbara artefakter; och missar hantering av specialfall när du inte kan reproducera buggen eller inte kan dela kod/loggar.
Ja. Anpassa den genom att svara på intaget med konkreta detaljer: er stack, var telemetrin finns, typiska feltyper, tid som finns per vecka och hur ”bra” ser ut för ert team (snabbare isolering, färre regressioner, bättre postmortems). Ange också begränsningar direkt, som ”jag kan inte dela kod” eller ”vi kan sällan reproducera lokalt”, så att assistenten använder promptens specialfallsflöden i stället för att fastna. Efter att den föreslagit faser, be: ”Skriv om resan till två spår: junior och senior, med olika övningar men gemensamma artefakter.” Du kan också be om en lättare plan genom att säga att du bara har ”20 minuter per dag” och vill ha den minsta användbara fasuppsättningen.
Det största misstaget är att ge ett vagt intag, som ”Vi bygger webbappar och buggar händer ibland”, i stället för ”TypeScript-monolit, intermittenta latensspikar efter deploy, traces finns men loggarna är inkonsekventa”. Ett annat vanligt fel är att hoppa över begränsningar; att säga ”vi kan inte reproducera och vi har begränsade loggar” ändrar hela coachningsspåret, så säg det tidigt. Många skyndar också förbi ”fortsätt”-grindarna, vilket gör en mästarresa till ett engångsdokument; skicka tillbaka dina artefakter och be om kritik. Till sist missar team ofta sin definition av klart, så verifieringen blir svag; ge ett exempel som ”fixen är klar när det finns ett test som tidigare fallerade, nu går igenom pålitligt, och övervakning visar ingen återkomst på 7 dagar”.
Den här prompten passar inte för engångsinsatser vid felsökningsbrandkårsutryckningar där du bara vill ha en snabb gissning och inte tänker öva processen. Den är också en dålig match om du saknar operativ data helt och inte kan lägga till någon (inga loggar, inga traces, inga tester, ingen reproduktion), eftersom programmet kan guida frågor men inte kan hitta på evidens. Och om organisationen vägrar införa artefakter eller granskningar får du inte den kumulativa effekten. I de fallen: börja med att förbättra observerbarhet och grundläggande testtäckning, och kom sedan tillbaka och kör coachningsresan.
Felsökning blir enklare när er process är starkare än er stressrespons. Klistra in prompten i ChatGPT, svara ärligt på intagsfrågorna och starta fas 1 i dag.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.