让 AI 根据证据定位错误
“角色不动了,帮我修复”会让 AI 从大量可能性中猜测。更有效的输入是一份能够复现的证据包:环境、操作、预期、实际、日志、截图或录像、相关入口,以及最近改动。先建立稳定反馈,再让 AI 缩小根因范围。
先判断是哪类失败
| 现象 | 最早应核对的边界 |
|---|---|
| 画面空白 | 构建入口、资源请求、脚本异常、相机层级、首帧是否完成 |
| 角色看见但不动 | 输入是否收到、状态是否允许、规则位置是否变化、表现是否同步 |
| 点击偏移 | 屏幕/设计/世界坐标、相机、父节点变换、设备缩放 |
| 偶发穿墙 | 位移量、碰撞形状、离散步长、检测顺序 |
| 越玩越卡 | 对象数、监听数、纹理引用、堆和GPU资源、日志成本 |
| Web正常微信异常 | DOM依赖、文件路径、分包、基础库、后台生命周期、实际平台权限 |
这个表是调查入口,不是根因结论。例如“图片没显示”可能是资源404,也可能是节点透明、层级遮挡或纹理压缩不兼容。用证据逐项排除。
最小复现应保留什么
保留触发错误的最少场景、脚本和素材;锁定版本、随机种子和操作顺序。不要为了缩小场景删掉真正的时序条件。例如只有加载中切场景才触发的问题,必须保留异步加载与切换。
问题:切后台恢复后,敌人瞬移并连续扣血。
环境:Creator3.8.8,构建SHA/目标,设备/系统/微信/基础库版本。
复现:开始试炼→等待敌人靠近→切后台20秒→返回。
预期:游戏保持暂停,主动继续后按固定步长推进。
实际:恢复首帧dt很大,位置跨越,生命从5掉到0。
证据:恢复前后state快照、dt日志、录像时间点、相关文件。
最近改动:删除后台暂停处理,改为直接累计Date.now差值。
需要记录 dt 时控制采样,避免每帧大量日志改变性能。给日志附模拟tick、状态版本和实体ID,可以把网络、规则与表现对齐。
让 AI 先提出可证伪假设
要求每个假设说明:如果为真会观察到什么;在哪里插最小观测;什么结果能排除它。一次只改变关键变量,保留失败证据。若同时修改输入、时间、碰撞和相机,即使问题消失也无法知道哪项修正有效。
请基于证据列出最可能的3个根因,按可验证顺序排列。
每个根因给:支持证据、反证条件、最小检查步骤。
先执行最便宜且能区分假设的检查,再提出修复。
修改共享逻辑前检查所有调用者,修复后重跑原复现和相邻场景。
不要用吞掉异常、每帧重置状态或无限重试掩盖问题。
定位到后台时间累计后,修复可能是后台显式暂停、恢复时重设帧基准、限制单帧补算等组合。每项都应对应明确规则。限制dt会改变模拟经过的时间,因此要说明这是局内模拟策略,离线收益仍采用单独的可信时间逻辑。
关闭问题需要完整证据链
性能调查还要控制测量条件。固定同一波敌人、相同资源与相同操作,分别记录稳定运行与生成瞬间的帧耗时。若只比较平均FPS,短暂GC或资源解码尖峰可能被掩盖。把慢帧与对象数、加载事件、堆变化对齐,再决定应减少持续工作量、分摊集中任务还是修复泄漏。
修复后先运行最初失败的场景,再检查相邻边界:主动暂停、切场景、死亡、断线、资源失败。记录源码与实际产物版本。对性能问题保留修改前后相同设备、相同负载、相同采样窗口的结果。
如果无法进入真机,就报告目前得到的规则测试、构建与模拟器证据,保留具体真机步骤。把“未复现”写成“问题不存在”,会让下一轮协作丢失关键条件。
来源与边界
本章为证据驱动排错工作方法。核查日期:2026-11-17。