我把一个生产Bug的排查过程，交给AI处理——20分钟后我关掉了它
上周四下午四点半，距离下班还有半小时。
监控告警突然炸了。
[ERROR] 2026-03-03 16:32:07 OrderService - 订单创建失败 java.lang.NullPointerException: Cannot invoke "String.length()" because "str" is null at com.xxx.service.OrderService.createOrder(OrderService.java:87) at com.xxx.controller.OrderController.create(OrderController.java:43)用户在投诉：下单页面一直转圈，提交不了。
我打开钉钉，看了一眼错误率：3分钟内，下单接口报错率从0.1%飙到了38%。
这不是小事。
以前遇到这种情况，我的第一反应是：打开IDEA，连日志，开始逐行看堆栈。
这次，我做了一个不一样的决定：
把整个排查过程，交给AI来主导。
我想看看，AI到底能做什么，不能做什么。
结果出乎我意料。
第一步：把现场信息喂给AI（3分钟）
我把能拿到的信息全部复制给Claude：
生产环境告警，请帮我分析： 错误日志： [ERROR] OrderService - 订单创建失败 java.lang.NullPointerException: Cannot invoke "String.length()" because "str" is null at OrderService.createOrder(OrderService.java:87) 监控数据： - 报错开始时间：16:32 - 报错率：38%（3分钟内从0.1%飙升） - 影响接口：POST /api/order/create - 其他接口正常 最近变更： - 今天14:00，发布了一个版本，主要改了优惠券模块 请帮我分析： 1. 可能的原因是什么？ 2. 排查思路是什么？ 3. 需要我提供哪些额外信息？AI的回答很快，而且超出了我的预期：
初步判断：NullPointerException发生在OrderService.java第87行，
str为null。 结合变更信息（优惠券模块），推测最可能的原因：高概率（70%）：订单创建时调用了优惠券相关逻辑，优惠券码为空时没有做null检查， 直接调用了str.length()。
中概率（20%）：优惠券模块的修改引入了新的数据库字段或配置，但生产环境未同步， 导致查询结果中某个字段为null。
低概率（10%）：并发问题，多线程场景下对象状态被意外清空。
需要你提供：
- OrderService.java第87行的代码片段
- 今天14:00发布的具体diff
- 报错的请求参数（用没有填优惠券的订单试一下，是否复现）
我愣了一下。
AI给出了概率排序，还知道要让我用不填优惠券的订单复现——这是个老手才会想到的排查动作。
我立刻试了：不带优惠券码下单，正常。带优惠券码下单，报错。
问题范围直接锁定。
第二步：AI读懂代码，指出真正的问题（5分钟）
我把第87行前后的代码片段给了AI：
// OrderService.java 第80-95行 public OrderDTO createOrder(CreateOrderRequest request) { // 计算优惠金额 BigDecimal discountAmount = BigDecimal.ZERO; if (request.getCouponCode() != null) { CouponDTO coupon = couponService.getCouponByCode(request.getCouponCode()); // 第87行： if (coupon.getDiscountType().equals("PERCENTAGE")) { discountAmount = request.getTotalAmount() .multiply(coupon.getDiscountValue()) .divide(new BigDecimal("100")); } else { discountAmount = coupon.getDiscountValue(); } } // ... }AI的分析：
找到了。
第87行问题：
coupon.getDiscountType()返回null，导致.equals()抛出NullPointerException。根本原因：
couponService.getCouponByCode()查不到优惠券时，没有返回null， 而是返回了一个空的CouponDTO对象（字段全为null）。这是今天14:00发布的那次修改引入的：之前这个方法在找不到优惠券时 直接抛异常，新版本改成了返回空对象，但调用方没有同步修改。
修复方案（两种）：
方案A（快，适合紧急修复）：
CouponDTO coupon = couponService.getCouponByCode(request.getCouponCode()); if (coupon == null || coupon.getDiscountType() == null) { throw new BusinessException("优惠券不存在或已失效"); }方案B（正确，适合根本性修复）：在couponService.getCouponByCode()里，查不到时直接返回null而不是空对象， 调用方统一判断null即可。这样语义更清晰，避免以后再踩同类坑。
建议：先用方案A紧急修复，发版止血。问题恢复后再做方案B的根本修复。
我看完这段分析，立刻去翻了14:00的发版diff。
找到了。一模一样。
第三步：AI做的事，和AI做不到的事
这时候，我停下来，认真想了一下这20分钟发生了什么。
AI做到的：
- 根据日志和上下文，在3分钟内给出了有概率权重的排查方向
- 读懂了代码，准确定位了真正的根因（不是第87行，而是getCouponByCode的返回值设计）
- 给出了两种修复方案，区分了"救火"和"根本修复"的优先级
- 全程逻辑清晰，没有废话
换句话说：AI把我过去要花40分钟做的"分析和推理"部分，压缩到了5分钟。
AI做不到的：
但整个过程，有几件事AI完全帮不上：
第一，它不知道下午14:00发布了什么。
是我主动把"今天14:00发版，改了优惠券模块"这条信息喂给它的。如果我不说，AI只能对着日志猜。
这条信息，在我们团队的钉钉群里，不在任何日志里。AI看不到。
第二，它不知道这个bug的业务影响程度。
报错率38%看起来很高，但我知道这38%里，大多数是同一批用优惠券的测试用户在反复重试。真实影响的用户可能只有几十个，不需要立刻回滚，发一个hotfix就够了。
这个判断，需要对业务的理解，AI没有。
第三，紧急修复之后，它不知道要通知谁。
hotfix发完，我要给客服发一条话术让他们安抚用户，要给运营说一声下午的优惠券活动暂停推送，要给老板发一条简报说明事故原因和处理结果。
这些"人的工作"，AI都不在场。
一个真实的数据对比
我把这次排查过程，和3个月前一次类似的线上问题做了对比。
3个月前（纯手工排查）：
16:32 告警触发 16:35 确认报警不是误报 16:40 登上服务器查完整日志 16:55 根据堆栈找到出问题的代码 17:10 翻git log，找到引入问题的commit 17:25 确认根因，讨论修复方案 17:40 hotfix发版 17:50 确认恢复 总耗时：78分钟 我的状态：肾上腺素爆表，下班时精疲力竭这次（AI辅助排查）：
16:32 告警触发 16:35 整理现场信息，喂给AI 16:38 AI给出排查方向，立刻验证复现路径 16:43 把代码片段给AI，AI定位根因 16:48 确认根因，AI给出修复方案 16:55 hotfix发版 17:02 确认恢复 总耗时：30分钟 我的状态：焦虑感明显低，因为排查过程有逻辑，不是乱撞时间缩短了一半，更重要的是：排查过程有了结构。
以前我排查问题靠的是直觉和经验，走哪条路全凭感觉。AI做的事，是帮我把"可能的原因"显式地列出来，每条都有概率，每条都有验证方法。
这个思路，让我少走了很多弯路。
3个用AI排查生产问题的实战技巧
用了几次之后，我总结出了一套固定的喂料方式。
技巧1：现场信息要"四件套"
喂给AI的信息，要包含这四样：
1. 完整的错误日志（包含堆栈，不要只截图） 2. 监控数据（报错率、报错时间、影响范围） 3. 最近的变更记录（最近一次发版改了什么） 4. 复现路径（能不能复现，怎么触发）缺了任何一样，AI的分析质量会大幅下降。
信息越完整，AI越像一个刚接手这个项目的高级工程师。
信息不完整，AI就只能对着日志猜，给你一大堆"可能是A也可能是B也可能是C"，完全没用。
技巧2：让AI给出概率排序，而不是所有可能性
很多人拿到AI的分析，发现列了七八条"可能的原因"，不知道先查哪个，最后还是一头雾水。
改一下Prompt：
❌ "这个报错可能是什么原因？" ✅ "这个报错最可能的原因是什么？ 按照可能性从高到低排序， 每条说明为什么你认为概率高， 以及怎么验证。"这样AI给你的是一个"排查顺序"，而不是一张所有可能性的清单。
技巧3：让AI区分"救火"和"根本修复"
线上出问题的时候，你同时有两个目标：
- 立刻止血：让报错停下来，用户能正常使用
- 根本修复：找到问题根源，避免下次再出
这两个目标，有时候解决方案不一样。
在这次案例里，方案A（加null判断）可以1分钟写完马上发版，方案B（修改getCouponByCode的返回值设计）才是真正解决根源，但影响面更大，需要更多测试。
让AI明确区分这两种方案：
"请给出两种修复方案： 一种是最快能止血的临时方案， 一种是从根本上解决问题的正确方案， 说明各自的优缺点。"这样你可以先发临时方案止血，下班之后再做正确方案。
写在最后
用AI排查这次Bug之后，我想清楚了一件事。
AI在这个场景里，扮演的不是"解决问题的人"，而是"帮你结构化思考的人"。
我以前排查问题，靠的是12年积累的直觉：看一眼日志，凭经验猜几个方向，然后一个个验证。
这套方法有效，但效率取决于"今天直觉准不准"。
AI做的事是：把我脑子里隐性的排查逻辑，变成了显性的步骤。
你喂给它的信息越完整，它给你的推理就越准确。它不替你做决定，但它让你的决定过程更有据可依。
但有一件事我想说清楚：
AI排查问题的能力上限，取决于你给它的信息质量。
这次我能快速定位问题，不是因为AI多厉害，而是因为我知道要把"14:00发版改了优惠券模块"这条信息告诉它。
这条信息，是我从钉钉群里看到的，从团队协作里知道的，是12年工作经验给我的习惯——出了问题，第一件事是看最近有没有发版。
AI不知道这条信息。是我喂给它的。
AI是放大镜，不是眼睛。
你先得看到，它才能帮你放大。
你们遇到生产问题，有没有试过用AI辅助排查？效果怎么样？
欢迎评论区分享你的经历。
后端AI实验室不讲概念，只谈实战 代码开源，每周更新