log-analysis
ไล่ log หา error/pattern/สาเหตุ ใช้เมื่อผู้ใช้ขอวิเคราะห์ log หาว่าเกิดอะไรขึ้น หรือ debug จากไฟล์ log
Works with
--- name: log-analysis description: ไล่ log หา error/pattern/สาเหตุ ใช้เมื่อผู้ใช้ขอวิเคราะห์ log หาว่าเกิดอะไรขึ้น หรือ debug จากไฟล์ log license: MIT --- # Skill: log-analysis 1. ดูรูปแบบ log ก่อน (`head`/`tail`) — timestamp, level, format — และกรอบเวลาที่สนใจ 2. **กรองของสำคัญ**: `grep -iE 'error|warn|exception|fail|traceback'` ; นับความถี่ `| sort | uniq -c | sort -rn` 3. หา **occurrence แรกสุด** ของ error (ต้นเหตุมักอยู่ก่อนอาการที่เห็น) ไม่ใช่อันล่าสุด 4. **correlate**: จับคู่ด้วย timestamp / request-id / trace-id ดูว่าอะไรเกิดก่อน-หลัง นำไปสู่ error 5. หา pattern/spike: error เพิ่มตอนไหน, ตรงกับ deploy/traffic/เวลาหนึ่งๆ ไหม 6. log ใหญ่มาก: ใช้ `grep`/`awk`/`tail -f`/sample ช่วง — อย่าโหลดทั้งไฟล์เข้า context 7. สรุป: อะไรพัง, น่าจะเพราะอะไร (เรียงความเป็นไปได้), ต้องดูอะไรต่อ — ส่งต่อ skill debug ถ้าต้องไล่ในโค้ด
More Debugging skills
diagnosing-bugs
mattpocock/skills
Diagnosis loop for hard bugs and performance regressions. Use when the user says "diagnose"/"debug this", or reports something broken/throwing/failing/slow.
explore-code
lllllllama/rigorpilot-skills
Rigor Improve implementation leaf skill for auditable candidate implementation in deep learning research repositories. Use when the researcher explicitly authorizes exploratory work on an isolated branch or worktree to transplant modules, adapt a backbone, add LoRA or adapter layers, replace a head, or stitch together meaningful low-risk migration ideas with rollback-aware records in `explore_outputs/`. Do not use for end-to-end exploration orchestration on top of `current_research`, trusted baseline reproduction, conservative debugging, environment setup, verified contribution claims, or default repository analysis.
safe-debug
lllllllama/rigorpilot-skills
Rigor Debug / Rigor Audit skill for deep learning research work. Use when the user pastes a traceback, terminal error, CUDA OOM, checkpoint load failure, shape mismatch, NaN loss symptom, or training failure and wants conservative diagnosis before any patching, with debug fixes clearly separated from research contributions. Do not use for broad refactoring, speculative adaptation, automatic exploratory patching, or general repository familiarization.
