Déboguer le code avec des hypothèses vérifiables.
Le débogage commence par le comportement attendu, le comportement réel et un cas reproductible. Testez une cause probable avant de la déclarer immédiatement cause première.
Adaptez le processus à votre tâche.
Créez le plus petit cas montrant comportements attendu et réel, puis formulez une explication testable de la différence. Modifiez une cause pertinente à la fois et relancez le cas défaillant ainsi que les limites proches.
- Ce que vous fournissez
- Code, erreur et détails de reproduction.
- Ce que vous obtenez
- Causes probables et propositions de correction ciblées.
Consultez les données et le résultat.
Entrée et sortie illustratives · exemple pédagogique, pas une exécution WebAct en direct
Exemple champ
Python reproduction:
items = ["A", "B"]
seen = []
for i in range(len(items) - 1):
seen.append(items[i])
Expected ["A", "B"]; actual ["A"].Exemple complet
Corrected loop:
seen = []
for item in items:
seen.append(item)
For ["A", "B"], seen becomes ["A", "B"]. Empty input produces []. Iterating over items directly removes the incorrect index boundary.Chargez ces données dans le prompt, puis copiez-le dans WebAct pour essayer la tâche. Votre résultat peut différer de l'illustration.
Décisions et dépannage.
Faut-il traiter la première cause plausible comme la cause première ?
Considérez-la comme une hypothèse jusqu’à ce que la reproduction l’étaye. Plusieurs défauts peuvent produire le même symptôme.
Pourquoi la correction proposée ne fonctionne-t-elle que pour l’entrée d’exemple ?
Testez la limite autour de l’échec et une autre entrée ordinaire. Un correctif particulier peut masquer la règle sous-jacente au lieu de la résoudre.
Essayez avec votre propre source.
Remplacez l'exemple par vos données dans le prompt. Gardez les exigences nécessaires, puis copiez la tâche dans WebAct.
Personnaliser et copier la tâche ↑