报错截个图就丢给 AI 问「这是怎么回事」，得到的往往是泛泛的猜测；会提问的人能让它十分钟内把问题收敛到具体代码行，不会提问的人能跟它绕一下午。定位报错这件事，七分靠喂给 AI 的材料，三分靠追问的方式。
贴报错之前，先补齐上下文
AI 看不到你的屏幕，它只知道你贴出来的内容。给一段裸堆栈，它只能按最常见的情况猜；补上三样东西，命中率立刻不一样：完整的报错输出（别只截最后一行）、出错的那段代码、以及你期望这段代码做什么。环境信息也要给：语言版本、操作系统、关键依赖的版本号——同一个报错，Python 3.9 和 3.12 的常见原因可能完全不同。
另一个常被忽略的点是「你已经做过什么」。如果重装过依赖、改过配置、重启过服务，把这些动作连同结果一起说清楚，AI 就不会把时间浪费在你已经排除过的路上。
一句话记：喂材料的标准是「别人拿到这些信息，不用再问你就能开始排查」。
堆栈要会读，AI 要会问
贴堆栈有个技巧：从最底下属于你自己代码的那一帧往上贴，而不是整个从头复制。框架内部几十层调用帧对定位帮助不大，反而稀释重点。如果报错发生在请求处理里，把触发请求的输入也附上——很多「玄学报错」其实是特定输入才触发的。
拿到 AI 的第一轮回答后，别急着照抄。先问自己：它给的解释能不能覆盖所有症状？比如它说「编码问题」，但报错只在特定文件出现，那这个解释就站不住。让它解释判断依据，是甄别猜测和真因最快的办法。
从猜测到验证：让 AI 给出可证伪的方案
AI 给出假设后，把对话从「你觉得是 A 吗」推进到「怎么验证是不是 A」。好的排查建议应该是一条能动手做的最小实验：加一行日志、打印一个中间变量、用一个最小输入复现。验证结果证明假设错了，就把它反馈回去，让 AI 基于新证据收敛，而不是再凭空猜一个。
根因找到后，让 AI 顺手做两件事：解释这个 bug 为什么会发生（防同类问题），以及给出修复后的回归验证清单。这两步花不了几分钟，但能把一次踩坑变成一次沉淀。
建立自己的排查记录
同类问题反复出现时，值得把「症状 + 关键堆栈 + 根因 + 修法」存成一条记录。下次遇到相似报错先翻记录对照，很多问题不用问 AI 就解决了；确实要问，把历史根因一并贴上，它也能少绕路。
这套方法对接口调用同样适用：如果错误来自 API 本身，把请求和响应原文一起贴给 AI，只给一个状态码是不够的。全部可用模型与实时价格在模型列表页，接口统一走 https://api.aigcbreeze.cn。
常见问题
AI 给出的修复代码跑不通怎么办？
先确认它改的是不是报错对应的那一版代码。AI 基于你贴的片段推测其余部分，实际代码和贴出来的不一致，修出来自然跑不通。把最新代码重新贴一遍，并说明上一条建议为什么不成立。
报错很长，全贴还是摘关键部分？
全贴比漏贴好，但可以折叠框架内部的重复帧。判断标准：所有自己代码出现的帧、第一行错误摘要、以及 Caused by 这类链式原因必须完整，其余可精简。
问了几轮还没定位，要不要换模型？
先换问法再换模型。把已知信息整理成「已确认 / 已排除 / 待验证」三栏贴回去，通常比直接换模型有效；同一个对话里来回猜太久，上下文已被错误假设污染，这时新开会话重新喂材料反而更快。