ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਡੀਬੱਗਿੰਗ ਅਤੇ ਕਰੈਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ

ਲਾਭ:

• ਸੰਬੰਧਿਤ ਕੋਡ ਅਤੇ ਦ੍ਰਿਸ਼ ਸੰਦਰਭ ਦੇ ਨਾਲ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਕਰੈਸ਼ ਰਿਕਾਰਡ (ਸਟੈਕ ਟਰੇਸ) ਦੇ ਕੇ ਸੰਭਵ ਮੂਲ ਕਾਰਨਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਘਟਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਏਆਈ ਦੇ ਨਿਦਾਨ ਨੂੰ ਕੋਡ ਵਿੱਚ ਇੱਕ ਪਰਿਕਲਪਨਾ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਲੱਛਣਾਂ ਦੀ ਜਾਂਚ ਅਤੇ ਚੁੱਪ ਕਰਨ ਦੀ ਬਜਾਏ ਸਥਾਈ ਤੌਰ 'ਤੇ ਮੂਲ ਕਾਰਨ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਕਰੈਸ਼ ਰਿਕਾਰਡਾਂ ਅਤੇ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕਰਕੇ ਡੀਬੱਗ ਕਰਨ ਵੇਲੇ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਨਾ

ਹਰ ਐਪਲੀਕੇਸ਼ਨ ਗਲਤੀਆਂ ਦਿੰਦੀ ਹੈ; ਇੱਕ ਚੰਗੇ ਡਿਵੈਲਪਰ ਨੂੰ ਕੀ ਵੱਖਰਾ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਕਿੰਨੀ ਜਲਦੀ ਬੱਗ ਲੱਭਦੇ ਅਤੇ ਠੀਕ ਕਰਦੇ ਹਨ। ਮੋਬਾਈਲ ਡੀਬਗਿੰਗ — ਸਮੱਸਿਆ ਦੇ ਸਰੋਤ ਨੂੰ ਲੱਭਣਾ ਅਤੇ ਠੀਕ ਕਰਨਾ — ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਕਿਉਂਕਿ ਗਲਤੀ ਉਪਭੋਗਤਾ ਦੇ ਡਿਵਾਈਸ 'ਤੇ ਵਾਪਰਦੀ ਹੈ, ਅਜਿਹੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਦੇਖ ਸਕਦੇ ਹੋ। ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ, ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਕਰੈਸ਼ ਲੌਗ ਹੁੰਦਾ ਹੈ (ਕਰੈਸ਼ ਲੌਗ / ਸਟੈਕ ਟਰੇਸ — ਇੱਕ ਤਕਨੀਕੀ ਖਰਾਬੀ ਕਿ ਐਪਲੀਕੇਸ਼ਨ ਕਿੱਥੇ ਗਈ ਜਦੋਂ ਇਹ ਕਰੈਸ਼ ਹੋ ਗਈ)। AI ਇਹਨਾਂ ਗੁਪਤ ਰਿਕਾਰਡਾਂ ਨੂੰ ਪੜ੍ਹਨ, ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣ ਅਤੇ ਹੱਲ ਪ੍ਰਸਤਾਵਿਤ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਅਸੀਂ ਸਿੱਖਾਂਗੇ ਕਿ AI ਨੂੰ "ਬੱਗ ਡਿਟੈਕਟਿਵ" ਵਜੋਂ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ ਪਰ ਅੰਤਮ ਤਸ਼ਖ਼ੀਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਅਤੇ ਠੀਕ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਤੁਹਾਡੇ 'ਤੇ ਛੱਡ ਦਿੱਤੀ ਜਾਵੇਗੀ।

ਕ੍ਰੈਸ਼ ਲੌਗ ਪੜ੍ਹਨਾ: ਜਿੱਥੇ AI ਸਭ ਤੋਂ ਵੱਧ ਚਮਕਦਾ ਹੈ

ਇੱਕ ਕਰੈਸ਼ ਲੌਗ ਇੱਕ ਲੰਮਾ ਅਤੇ ਡਰਾਉਣਾ ਟੈਕਸਟ ਹੈ; ਤਜਰਬੇਕਾਰ ਡਿਵੈਲਪਰ ਨੂੰ ਪਤਾ ਨਹੀਂ ਹੋਵੇਗਾ ਕਿ ਕਿੱਥੇ ਦੇਖਣਾ ਹੈ। AI ਇਸ ਟੈਕਸਟ ਨੂੰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਪਾਰਸ ਕਰਦਾ ਹੈ: ਇਹ ਕਿਸ ਲਾਈਨ 'ਤੇ ਕ੍ਰੈਸ਼ ਹੋਇਆ, ਕਿਹੜਾ ਅਪਵਾਦ ਸੁੱਟਿਆ ਗਿਆ, ਸੰਭਾਵਿਤ ਕਾਰਨ ਕੀ ਹੈ। ਆਮ ਮੋਬਾਈਲ ਗਲਤੀਆਂ ਸਪੱਸ਼ਟ ਹਨ ਅਤੇ AI ਉਹਨਾਂ ਨੂੰ ਜਲਦੀ ਪਛਾਣਦਾ ਹੈ: NullPointerException (ਇੱਕ ਨਲ ਮੁੱਲ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ), Android 'ਤੇ IndexOutOfBoundsException (ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਸੂਚੀ ਤੱਤ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ), iOS 'ਤੇ EXC_BAD_ACCESS (ਮੁਕਤ ਮੈਮੋਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ), ਆਈਓਐਸ ਲਈ ਅਣਕਿਆਸੀ ਵਿਕਲਪ ਲੱਭਿਆ ਗਿਆ ਹੈ।

ਮੋਬਾਈਲ ਕਰੈਸ਼ ਦੀਆਂ ਸਭ ਤੋਂ ਆਮ ਕਿਸਮਾਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਖਾਸ ਕਾਰਨ ਹੇਠ ਲਿਖੇ ਅਨੁਸਾਰ ਹਨ:

ਗਲਤੀ (ਅਪਵਾਦ)

ਪਲੇਟਫਾਰਮ

ਆਮ ਕਾਰਨ

NullPointerException

ਐਂਡਰਾਇਡ

ਇੱਕ ਨਲ ਮੁੱਲ ਤੱਕ ਪਹੁੰਚ

IndexOutOfBoundsException

ਐਂਡਰਾਇਡ

ਗੈਰ-ਮੌਜੂਦ ਸੂਚੀ ਤੱਤ ਤੱਕ ਪਹੁੰਚ

ਅਚਾਨਕ ਨਹੀਂ ਮਿਲਿਆ

iOS

ਇੱਕ ਨਿਲ ਵਿਕਲਪਿਕ (!) ਨੂੰ ਖੋਲ੍ਹਣ ਲਈ ਜ਼ਬਰਦਸਤੀ ਕਰੋ

EXC_BAD_ACCESS

iOS

ਮੁਕਤ ਮੈਮੋਰੀ ਤੱਕ ਪਹੁੰਚ

ANR/ਫ੍ਰੀਜ਼

ਐਂਡਰਾਇਡ

ਮੁੱਖ ਧਾਗੇ 'ਤੇ ਲੰਬੀ/ਭਾਰੀ ਪ੍ਰੋਸੈਸਿੰਗ

ਕਦਮ ਦਰ ਕਦਮ ਡੀਬੱਗਿੰਗ ਪ੍ਰਵਾਹ:

1. ਰਿਕਾਰਡ ਇਕੱਠਾ ਕਰੋ। ਕਰੈਸ਼ ਲੌਗ, ਗਲਤੀ ਸੁਨੇਹਾ, ਅਤੇ ਜੇ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਇਸਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਲਈ ਕਦਮ ਇਕੱਠੇ ਰੱਖੋ।
2. AI ਪ੍ਰਸੰਗ ਦਿਓ. ਮੈਨੂੰ ਸਿਰਫ਼ ਗਲਤੀ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਕੋਡ ਦਾ ਸੰਬੰਧਿਤ ਟੁਕੜਾ ਅਤੇ ਇਹ ਕੀ ਕਰਨ ਨਾਲ ਕ੍ਰੈਸ਼ ਹੋ ਗਿਆ ਬਾਰੇ ਦੱਸੋ।
3. ਸੰਭਾਵੀ ਕਾਰਨਾਂ ਲਈ ਪੁੱਛੋ। "ਮੈਨੂੰ 3 ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਕਾਰਨ ਦੱਸੋ ਅਤੇ ਹਰੇਕ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰੀਏ।"
4. ਪੁਸ਼ਟੀ ਕਰੋ। ਕੋਡ ਅਤੇ ਟੈਸਟਿੰਗ ਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ; ਅੰਦਾਜ਼ਾ ਲਗਾ ਕੇ ਇਸ ਨੂੰ ਠੀਕ ਨਾ ਕਰੋ।
5. ਇਸਨੂੰ ਠੀਕ ਕਰੋ ਅਤੇ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰੋ। ਜਾਂਚ ਕਰੋ ਕਿ ਗਲਤੀ ਅਸਲ ਵਿੱਚ ਚਲੀ ਗਈ ਹੈ ਅਤੇ ਕੋਈ ਨਵੀਂ ਤਰੁਟੀ ਨਹੀਂ ਪੈਦਾ ਹੋਈ ਹੈ।

ਸੁਝਾਅ: AI ਨੂੰ ਕਰੈਸ਼ ਲੌਗ ਦਿੰਦੇ ਸਮੇਂ, ਸੰਬੰਧਿਤ ਕੋਡ ਸਨਿੱਪਟ ਵੀ ਸ਼ਾਮਲ ਕਰੋ। ਸਿਰਫ਼ ਸਟੈਕ ਟਰੇਸ ਨਾਲ AI ਆਮ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ; ਜਦੋਂ ਤੁਸੀਂ ਕੋਡ ਦੇਖਦੇ ਹੋ, ਤਾਂ ਸਹੀ ਲਾਈਨ ਅਤੇ ਅਸਲ ਕਾਰਨ ਲੱਭਣ ਦੀ ਸੰਭਾਵਨਾ ਬਹੁਤ ਵਧ ਜਾਂਦੀ ਹੈ। ਸੰਦਰਭ ਨਿਦਾਨ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ.

ਨਿੱਜੀ ਡਾਟਾ ਜਾਲ

ਕਰੈਸ਼ ਲੌਗਸ ਅਤੇ ਲੌਗਸ ਵਿੱਚ ਅਕਸਰ ਉਪਭੋਗਤਾ ਡੇਟਾ ਹੁੰਦਾ ਹੈ: ਈਮੇਲ, ਉਪਭੋਗਤਾ ID, ਸਥਾਨ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਮੱਗਰੀ ਵੀ। ਇਸ ਰਿਕਾਰਡ ਨੂੰ AI ਵਿੱਚ ਪੇਸਟ ਕਰਨਾ ਜਿਵੇਂ ਕਿ ਤੀਜੀ ਧਿਰ ਨੂੰ ਨਿੱਜੀ ਡੇਟਾ ਲੀਕ ਕਰਨਾ ਹੈ ਅਤੇ KVKK/GDPR ਦੀ ਉਲੰਘਣਾ ਹੈ। ਰਿਕਾਰਡਿੰਗ ਜਮ੍ਹਾਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਨਿੱਜੀ ਖੇਤਰਾਂ ਨੂੰ ਸਾਫ਼ ਕਰੋ (ਮਾਸਕ)। ਨਾਲ ਹੀ, ਸਾਵਧਾਨ ਰਹੋ ਕਿ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਨਾ ਲਿਖੋ; ਇੱਕ ਚੰਗਾ ਲੌਗ ਸਮੱਸਿਆ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ ਪਰ ਪਛਾਣ ਨੂੰ ਪ੍ਰਗਟ ਨਹੀਂ ਕਰਦਾ।

ਸਾਵਧਾਨ: AI ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਫਿਕਸ "ਬੱਗ ਨੂੰ ਚੁੱਪ" ਕਰ ਸਕਦੇ ਹਨ ਪਰ ਮੂਲ ਕਾਰਨ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ NullPointerException ਨੂੰ ਇੱਕ null ਚੈੱਕ ਨਾਲ ਸਮੇਟਣਾ ਕਰੈਸ਼ ਨੂੰ ਰੋਕ ਦੇਵੇਗਾ, ਪਰ ਜੇਕਰ ਤੁਸੀਂ ਇਹ ਨਹੀਂ ਸਮਝਦੇ ਹੋ ਕਿ ਮੁੱਲ ਖਾਲੀ ਕਿਉਂ ਹੈ ਤਾਂ ਅਸਲ ਤਰਕ ਗਲਤੀ ਜਾਰੀ ਰਹੇਗੀ। ਬਿਮਾਰੀ ਦਾ ਇਲਾਜ ਕਰੋ, ਲੱਛਣ ਦਾ ਨਹੀਂ।

ਮੂਲ ਕਾਰਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ

ਪੇਸ਼ੇਵਰ ਡੀਬੱਗਿੰਗ ਦਾ ਉਦੇਸ਼ ਗਲਤੀ ਨੂੰ ਚੁੱਪ ਕਰਨਾ ਨਹੀਂ ਬਲਕਿ ਮੂਲ ਕਾਰਨ ਲੱਭਣਾ ਹੈ। ਮੈਂ ਏਆਈ ਨੂੰ ਪੁੱਛਿਆ "ਇਹ ਖਾਲੀ ਕਿਉਂ ਹੋ ਸਕਦਾ ਹੈ, ਇਹ ਡੇਟਾ ਪ੍ਰਵਾਹ ਵਿੱਚ ਕਿੱਥੇ ਗੁਆਚ ਗਿਆ ਹੋ ਸਕਦਾ ਹੈ?" ਪੁੱਛਣਾ, "ਮੈਂ ਇਸਨੂੰ ਕਿਵੇਂ ਚੁੱਪ ਕਰਾਂ?" ਇਹ ਪੁੱਛਣ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੀਮਤੀ ਹੈ. ਇੱਕ ਵਾਰ ਜਦੋਂ ਮੂਲ ਕਾਰਨ ਲੱਭਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇੱਕੋ ਗਲਤੀ ਦੇ ਦਰਜਨਾਂ ਭਿੰਨਤਾਵਾਂ ਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਏਆਈ ਇਸ ਚੇਨ ਤਰਕ ਵਿੱਚ ਚੰਗਾ ਹੈ: ਇਨਪੁਟ ਤੋਂ ਆਉਟਪੁੱਟ ਤੱਕ ਡੇਟਾ ਦੀ ਪਾਲਣਾ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਇਹ ਸੋਚਣ ਲਈ ਕਹੋ ਕਿ ਇਹ ਕਿੱਥੇ ਟੁੱਟਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - 10 ਮਿੰਟਾਂ ਵਿੱਚ ਕੰਮ ਦੇ 2 ਘੰਟੇ। ਇੱਕ ਡਿਵੈਲਪਰ ਨੇ ਇੱਕ ਬੱਗ ਦੀ ਖੋਜ ਕਰਨ ਵਿੱਚ 2 ਘੰਟੇ ਬਿਤਾਏ ਜੋ ਸਿਰਫ਼ ਇੱਕ ਖਾਸ ਸੈਮਸੰਗ ਮਾਡਲ 'ਤੇ ਕ੍ਰੈਸ਼ ਹੋਇਆ ਸੀ। AI ਨੂੰ ਕਰੈਸ਼ ਲੌਗ (ਨਿੱਜੀ ਖੇਤਰਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਨਾ) ਦਿੱਤਾ; YZ ਨੇ ਕਿਹਾ ਕਿ ਗਲਤੀ ਇੱਕ ਮੈਮੋਰੀ ਓਵਰਫਲੋ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ ਜੋ ਉਸ ਡਿਵਾਈਸ ਦੇ ਇੱਕ ਵੱਖਰੇ ਕੈਮਰਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨਾਲ ਵਾਪਰਦੀ ਹੈ। ਸੁਰਾਗ ਨਾਲ 10 ਮਿੰਟਾਂ 'ਚ ਕਾਰਨ ਪਤਾ ਲੱਗਾ। AI ਨੇ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕੀਤਾ, ਮਨੁੱਖ ਨੇ ਹੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।

ਕੇਸ 2 - ਚੁੱਪ ਬੱਗ ਵਾਪਸ ਆ ਗਿਆ ਹੈ। ਇੱਕ ਟੀਮ ਨੇ ਇਸਨੂੰ ਫੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਲਈ ਇੱਕ AI ਸੁਝਾਅ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਆਵਰਤੀ ਕਰੈਸ਼ ਨੂੰ ਚੁੱਪ ਕਰ ਦਿੱਤਾ। ਕਰੈਸ਼ਿੰਗ ਬੰਦ ਹੋ ਗਈ, ਪਰ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਸ਼ਿਕਾਇਤ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਕਿ "ਡਾਟਾ ਸੇਵ ਨਹੀਂ ਹੋ ਰਿਹਾ"; ਕਿਉਂਕਿ ਅਸਲ ਸਮੱਸਿਆ (ਡਾਟਾਬੇਸ ਕੁਨੈਕਸ਼ਨ) ਅਜੇ ਵੀ ਉੱਥੇ ਸੀ, ਇਹ ਹੁਣੇ ਅਦਿੱਖ ਹੋ ਗਈ ਸੀ। ਇੱਕ ਵਾਰ ਰੂਟ ਕਾਰਨ ਲੱਭੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਕਰੈਸ਼ ਅਤੇ ਡੇਟਾ ਦੇ ਨੁਕਸਾਨ ਦੋਵਾਂ ਦਾ ਹੱਲ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਬਕ: ਚੁੱਪ ਰਹਿਣ ਨਾਲ ਹੱਲ ਨਹੀਂ ਹੁੰਦਾ।

ਕੇਸ 3 - ਲੌਗ ਵਿੱਚ ਡੇਟਾ ਲੀਕ ਹੋਇਆ। ਇੱਕ ਆਡਿਟ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਪੂਰੇ ਨਾਮ ਅਤੇ ਫ਼ੋਨ ਨੰਬਰ ਐਪ ਦੇ ਕਰੈਸ਼ ਲੌਗ ਵਿੱਚ ਲਿਖੇ ਗਏ ਸਨ। ਡਿਵੈਲਪਰਾਂ ਨੇ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਇਨ੍ਹਾਂ ਲੌਗਾਂ ਨੂੰ AI ਵਿੱਚ ਪੇਸਟ ਕੀਤਾ ਅਤੇ ਬੱਗ ਫਿਕਸ ਕੀਤੇ; ਇਸ ਲਈ ਨਿੱਜੀ ਡੇਟਾ ਮਹੀਨਿਆਂ ਤੋਂ ਬਾਹਰ ਜਾ ਰਿਹਾ ਹੈ। ਲੌਗਸ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਠੀਕ ਕੀਤਾ ਗਿਆ ਸੀ। ਪਾਠ: ਡੀਬੱਗ ਕਰਨ ਵੇਲੇ ਵੀ ਗੁਪਤਤਾ ਲਾਗੂ ਹੁੰਦੀ ਹੈ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਖਰਾਬ ਪ੍ਰੋਂਪਟ: "ਇਹ ਗਲਤੀ ਕਿਉਂ ਹੁੰਦੀ ਹੈ? [ਸਟੈਕ ਟਰੇਸ]"

ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਇਹ ਕਰੈਸ਼ ਮੇਰੇ ਐਂਡਰੌਇਡ ਐਪ ਵਿੱਚ ਹੋ ਰਿਹਾ ਹੈ। ਸੰਦਰਭ:- ਕਰਦੇ ਸਮੇਂ: ਉਤਪਾਦ ਵੇਰਵੇ ਤੋਂ ਕਾਰਟ ਵਿੱਚ ਉਪਭੋਗਤਾ ਜੋੜ ਰਿਹਾ ਹੈ- ਸਿਰਫ਼ ਕੁਝ ਡਿਵਾਈਸਾਂ 'ਤੇ, ਘੱਟ RAM ਮਾਡਲਾਂ- ਸੰਬੰਧਿਤ ਕੋਡ: [ਵਿਊ ਮਾਡਲ ਅਤੇ ਰਿਪੋਜ਼ਟਰੀ ਭਾਗ] - ਕ੍ਰੈਸ਼ ਲੌਗ (ਨਿੱਜੀ ਡੇਟਾ ਕਲੀਅਰ ਕੀਤਾ ਗਿਆ): [ਸਟੈਕ ਟਰੇਸ] 3 ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਮੂਲ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ: ਹਰ ਇੱਕ ਲਈ 1 ਰੂਟ ਕਾਰਨਾਂ ਨੂੰ ਕਿਵੇਂ ਫਿਕਸ ਕਰੋ, ਪ੍ਰਤੀ 2) ਮੈਂ ਕਿਵੇਂ ਕਰਦਾ ਹਾਂ। (ਚੁੱਪ ਨਹੀਂ) ਆਪਣੀ ਧਾਰਨਾ ਦੱਸੋ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ।"

ਨਕਲ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ

ਕ੍ਰੈਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ ਟੈਮਪਲੇਟ: "ਹੇਠ ਦਿੱਤੇ ਕਰੈਸ਼ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ। ਸੰਦਰਭ: [ਤੁਸੀਂ ਕੀ ਕਰ ਰਹੇ ਹੋ, ਕਿਹੜਾ ਡਿਵਾਈਸ/ਵਰਜਨ]। ਸੰਬੰਧਿਤ ਕੋਡ: [ਕੋਡ]। ਕਰੈਸ਼ ਲੌਗ (ਨਿੱਜੀ ਡਾਟਾ ਕਲੀਅਰ ਕੀਤਾ ਗਿਆ): [ਟਰੇਸ]। 3 ਸਭ ਤੋਂ ਸੰਭਾਵਿਤ ਮੂਲ ਕਾਰਨ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ + ਹਰ ਇੱਕ ਲਈ ਸਥਾਈ ਹੱਲ ਦਿਓ। ਸ਼ਾਂਤ ਹੋਣ ਦੇ ਹੱਲ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਵੀ ਕਰੋ।"

ਮੂਲ ਕਾਰਨ ਟੈਮਪਲੇਟ: "ਇਹ ਮੁੱਲ [ਨਲ/ਗਲਤ] ਅਚਾਨਕ ਆਉਂਦਾ ਹੈ। ਇਨਪੁਟ ਤੋਂ ਇਸ ਬਿੰਦੂ ਤੱਕ ਡੇਟਾ ਪ੍ਰਵਾਹ ਦੀ ਪਾਲਣਾ ਕਰੋ: ਇਹ ਕਿੱਥੇ ਗੁੰਮ ਜਾਂ ਖਰਾਬ ਹੋ ਸਕਦਾ ਹੈ? ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਮੈਨੂੰ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਕਿੱਥੇ ਜਾਂਚ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। [ਕੋਡ]"

ਲੌਗ ਰੀਡਿੰਗ ਟੈਮਪਲੇਟ: "ਇਸ ਲੌਗ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰੋ: ਕਿਹੜੀਆਂ ਘਟਨਾਵਾਂ ਕ੍ਰਮ ਵਿੱਚ ਵਾਪਰੀਆਂ, ਅਸਧਾਰਨਤਾ ਕਿੱਥੇ ਹੈ, ਗਲਤੀ ਤੋਂ ਪਹਿਲਾਂ ਆਖਰੀ ਤੰਦਰੁਸਤ ਕਦਮ ਕੀ ਸੀ? [ਲੌਗ — ਨਿੱਜੀ ਡੇਟਾ ਸਾਫ਼]"

ਰੀਪ੍ਰੋਡਕਸ਼ਨ ਟੈਮਪਲੇਟ: "ਮੈਨੂੰ ਇਸ ਤਰੁਟੀ ਨੂੰ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਨ ਲਈ ਕਿਹੜੇ ਕਦਮ, ਡਿਵਾਈਸ ਸਟੇਟਸ, ਅਤੇ ਡੇਟਾ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ? ਉਹਨਾਂ ਸਥਿਤੀਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਸੰਭਾਵਨਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਗਲਤੀ ਨੂੰ ਟਰਿੱਗਰ ਕਰ ਸਕਦੀਆਂ ਹਨ। [ਵੇਰਵਾ]"

ਆਮ ਗਲਤੀਆਂ

• ਸੰਦਰਭ-ਮੁਕਤ ਸਟੈਕ ਟਰੇਸ ਦੇਣਾ। ਸੰਬੰਧਿਤ ਕੋਡ ਅਤੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਬਿਨਾਂ, AI ਆਮ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ।
• ਲੌਗਸ ਦੇ ਨਾਲ AI ਵਿੱਚ ਨਿੱਜੀ ਡਾਟਾ ਪੇਸਟ ਕਰਨਾ। ਗੁਪਤਤਾ ਦੀ ਉਲੰਘਣਾ; ਪਹਿਲਾਂ ਮਾਸਕ.
• ਲੱਛਣ ਨੂੰ ਚੁੱਪ ਕਰੋ. ਟਰਾਈ-ਕੈਚ ਨਾਲ ਕਰੈਸ਼ ਨੂੰ ਛੁਪਾਉਣਾ ਮੂਲ ਸਮੱਸਿਆ ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ ਅਤੇ ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ।
• ਪਹਿਲੇ ਸੁਝਾਅ ਨੂੰ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਲਾਗੂ ਕਰਨਾ। AI ਦਾ ਨਿਦਾਨ ਇੱਕ ਅਨੁਮਾਨ ਹੈ; ਕੋਡ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰੋ.
• ਇਸ ਨੂੰ ਇਮੂਲੇਟਰ ਵਿੱਚ ਦੁਬਾਰਾ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਕੁਝ ਤਰੁੱਟੀਆਂ ਸਿਰਫ਼ ਅਸਲ ਡਿਵਾਈਸ/ਸਥਿਤੀ 'ਤੇ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਹਨ।
• ਸੁਧਾਰ ਤੋਂ ਬਾਅਦ ਦੁਬਾਰਾ ਟੈਸਟ ਨਹੀਂ ਕਰਨਾ. ਫਿਕਸ ਨੇ ਸ਼ਾਇਦ ਕੁਝ ਹੋਰ ਤੋੜਿਆ ਹੋਵੇ; ਰਿਗਰੈਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰੋ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਜਿੱਥੇ AI ਉੱਤਮ ਹੈ ਕਰੈਸ਼ ਲੌਗ ਪੜ੍ਹਨਾ ਅਤੇ ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਨੂੰ ਛਾਂਟਣਾ; ਜਦੋਂ ਸੰਦਰਭ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਨਿਦਾਨ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਬਹੁਤ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ। ਪਰ ਅੰਤਮ ਨਿਦਾਨ ਅਤੇ ਸੁਧਾਰ ਮਨੁੱਖ ਨਾਲ ਸਬੰਧਤ ਹੈ: ਏਆਈ ਦਾ ਸੁਝਾਅ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ, ਜੋ ਕੋਡ ਅਤੇ ਟੈਸਟਿੰਗ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਹੈ। ਉਦੇਸ਼ ਲੱਛਣਾਂ ਨੂੰ ਚੁੱਪ ਕਰਾਉਣਾ ਨਹੀਂ ਬਲਕਿ ਮੂਲ ਕਾਰਨ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ; ਖਾਮੋਸ਼ ਗਲਤੀ ਆਮ ਤੌਰ 'ਤੇ ਕਿਸੇ ਹੋਰ ਰੂਪ ਵਿੱਚ ਵਾਪਸ ਆਉਂਦੀ ਹੈ। ਕਰੈਸ਼ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਹੋ ਸਕਦਾ ਹੈ; AI ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਇਸਨੂੰ ਮਾਸਕ ਕਰੋ ਅਤੇ ਸ਼ੁਰੂ ਤੋਂ ਆਪਣੇ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਨਾ ਲਿਖੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਕ੍ਰੈਸ਼ ਲੌਗ ਲਓ (ਜਾਂ ਨਮੂਨਾ ਜੋ ਤੁਸੀਂ AI ਤੋਂ ਤਿਆਰ ਕਰਦੇ ਹੋ), ਇਸ ਵਿੱਚ ਕੋਈ ਵੀ ਨਿੱਜੀ/ਵਿਸ਼ੇਸ਼ ਡੇਟਾ ਮਾਸਕ ਕਰੋ, ਅਤੇ ਇਸਨੂੰ "ਕਰੈਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ ਟੈਮਪਲੇਟ" ਨਾਲ AI ਨੂੰ ਦਿਓ। ਫਰਕ ਕਰੋ ਕਿ AI ਸੂਚੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੇ ਮੂਲ ਕਾਰਨ ਅਸਲ ਫਿਕਸ ਹਨ ਅਤੇ ਜੋ ਸਿਰਫ਼ ਚੁੱਪ ਹਨ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਚੁਣੇ ਗਏ ਸਥਾਈ ਫਿਕਸ ਨੂੰ ਲਾਗੂ ਕਰੋ ਅਤੇ ਤਸਦੀਕ ਕਰੋ ਕਿ ਗਲਤੀ ਖਤਮ ਹੋ ਗਈ ਹੈ ਅਤੇ ਕੋਈ ਨਵੀਂ ਸਮੱਸਿਆ ਨਹੀਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਸੰਬੰਧਿਤ ਕੋਡ ਅਤੇ ਦ੍ਰਿਸ਼ ਸੰਦਰਭ ਦੇ ਨਾਲ ਕਰੈਸ਼ ਲੌਗ ਦਿੱਤਾ ਹੈ
• [ ] ਮੈਂ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ/ਵਿਲੱਖਣ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਹੈ
• [ ] ਮੈਂ AI ਨੂੰ ਮੂਲ ਕਾਰਨ ਅਤੇ ਸਥਾਈ ਹੱਲ ਲਈ ਕਿਹਾ, ਨਾ ਕਿ ਚੁੱਪ
• [ ] ਮੈਂ ਕੋਡ ਅਤੇ ਟੈਸਟਿੰਗ ਵਿੱਚ ਨਿਦਾਨ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਮੈਂ ਇਸਨੂੰ ਅੰਨ੍ਹੇਵਾਹ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ
• [] ਫਿਕਸ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਗਲਤੀ ਚਲੀ ਗਈ ਸੀ ਅਤੇ ਕੋਈ ਰੀਗਰੈਸ਼ਨ ਨਹੀਂ ਸੀ
• [ ] ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਮੇਰੀ ਐਪਲੀਕੇਸ਼ਨ ਆਪਣੇ ਲੌਗਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਨਹੀਂ ਲਿਖਦੀ ਹੈ