Forensic Report
2026-09-07 18:21:37作者:农烁颖Land
Generated: {ISO timestamp} Problem: {user's description}
Evidence Summary
Git Activity
- Last commit: {date} — "{message}"
- Commits (last 30): {count}
- Time span: {earliest} → {latest}
- Uncommitted changes: {yes/no — list if yes}
- Active worktrees: {count — list if >1}
Planning State
- Current milestone: {version or "none"}
- Current phase: {number — name — status}
- Last session: {stopped_at from STATE.md}
- Blockers: {any flags from STATE.md}
Artifact Completeness
| Phase | PLAN | CONTEXT | RESEARCH | SUMMARY | VERIFICATION |
|---|---|---|---|---|---|
| {for each phase: name | ✅/❌ per artifact} |
Anomalies Detected
{Anomaly Type} — {Confidence: HIGH/MEDIUM/LOW}
Evidence: {specific commits, files, or state data} Interpretation: {what this likely means}
{repeat for each anomaly found}
Root Cause Hypothesis
Based on the evidence above, the most likely explanation is:
{1-3 sentence hypothesis grounded in the anomalies}
Recommended Actions
- {Specific, actionable remediation step}
- {Another step if applicable}
- {Recovery command if applicable — e.g.,
/gsd:resume-work,/gsd:execute-phase N}
Report generated by /gsd:forensics. All paths redacted for portability.
报告的章节结构(Evidence Summary / Git Activity / Planning State / Artifact Completeness / Anomalies Detected / Root Cause Hypothesis / Recommended Actions)与产物完整性五列表格,均被 [tests/forensics.test.cjs](https://gitcode.com/GitHub_Trending/getshi/get-shit-done/blob/dee2434b0ff956547f3741df7a81d2fa23b88f7a/tests/forensics.test.cjs?utm_source=gitcode_repo_files) 的 report structure 测试用例作为强约束断言,可见该模板属于需要长期保持稳定的对外契约。
### 脱敏规则(Redaction rules)
报告需要可移植且不含敏感信息,规则如下:
- 绝对路径替换为相对路径(去掉 `$HOME` 前缀);
- 移除 git diff 输出中出现的任何 API key、token、凭据;
- 大段 diff 截断为前 50 行。
这一要求与命令级 `critical_rules` 中的 "Redact sensitive data: Strip absolute paths, API keys, tokens from reports and issues" 一一呼应。
## 呈现、跟进与收尾
报告生成后流程依次为:
1. **Step 5 内联呈现**:完整展示报告内容。
2. **Step 6 交互式深入调查**:向用户提供继续深挖的选项——追踪某个异常到根因、读取证据中引用的具体文件、或检查历史上是否报告过类似问题;后续问题只基于已收集证据回答,仅在确有必要时才读取额外文件。
3. **Step 7 创建 GitHub issue**:若发现可行动的异常(HIGH 或 MEDIUM 置信度),征得确认后格式化发现并脱敏路径,再使用 `gh` 创建 issue。工作流刻意把 issue 提交到维护仓库 `gsd-build/get-shit-done` 而非用户当前项目仓库——这一点被 [tests/forensics.test.cjs](https://gitcode.com/GitHub_Trending/getshi/get-shit-done/blob/dee2434b0ff956547f3741df7a81d2fa23b88f7a/tests/forensics.test.cjs?utm_source=gitcode_repo_files) 的正则断言严格保护(`gh issue create` 必须携带 `--repo gsd-build/get-shit-done`),其目的从测试注释可知是"避免把缺陷提交到用户当前项目仓库"。使用 `bug` label 前还会先查询其是否存在:
```bash
# 使用前先检查 "bug" label 是否存在
BUG_LABEL=$(gh label list --repo gsd-build/get-shit-done --search "bug" --json name -q '.[0].name' 2>/dev/null)
LABEL_FLAG=""
if [ -n "$BUG_LABEL" ]; then
LABEL_FLAG="--label bug"
fi
gh issue create \
--repo gsd-build/get-shit-done \
--title "bug: {concise description from anomaly}" \
$LABEL_FLAG \
--body "{formatted findings from report}"
- Step 8 更新 STATE.md:把"取证调查完成"记入会话跟踪,保证诊断活动本身进入可审计的会话历史:
gsd-sdk query state.record-session "" \
"Forensic investigation complete" \
".planning/forensics/report-{timestamp}.md"
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0627
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
最新内容推荐
Freqtrade 策略分析与可视化实战:用 Jupyter Notebook 深入调试与复盘你的交易策略MemPalace Scale Benchmark Suite:100K 抽屉规模下的性能边界与回归守护指南Ghostty 终端尺寸报告编码指南:用 ghostty-vt 的 size_report API 生成 2048 模式与 XTWINOPS 转义序列深入 timely-dataflow 通信层:timely_communication 的启动、信道分配与 Push/Pull 协议解析深入解析 ECC `/orch-review` 命令:将 Review 阶段落地为原生 Workflow 并守住院落式提交门禁Nuxt 错误 NUXT_E4016 深度解析:父页面未渲染 `<NuxtPage />` 导致嵌套子路由无法显示ruflo SPARC Orchestrator 多智能体编排指南:从分工指令到五阶段交付全解析性能即功能:impeccable optimize 命令的 UI 性能诊断、优化与验证实战指南用 ECC 的 `/test-coverage` 命令驱动 80%+ 测试覆盖率:从框架识别到缺口补全的完整闭环ruflo Scout Explorer 侦察智能体实战:基于 Hive Mind 记忆协作的多智能体情报侦察协议
项目优选
收起
deepin linux kernel
C
33
18
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.13 K
2.75 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
857
1.35 K
暂无描述
Markdown
897
5.8 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
529
593
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
915
1.83 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.58 K
1.01 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.35 K
1.46 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
1.01 K
515
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
547
388