К основному содержанию
скилл CX Codex

gaia-debugging — скилл для Claude Code: диагностика и установка

Скилл разбирает сбой задания GAIA: читает трассировку, определяет тип ошибки и предлагает точечное исправление перед повторным запуском.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add ruvnet/ruflo --skill gaia-debugging -a claude-code
Открыть на GitHub

Что делает gaia-debugging

gaia-debugging загружает трассировку задания GAIA по task_id, определяет режим сбоя и связывает его с действием. Он различает проблемы инструментов, рассуждения, извлечения ответа, циклы, сдвиг набора данных и тайм-ауты API. Скилл также помогает проверить каталог инструментов и найти похожие случаи в памяти.

Рабочий процесс включает чтение результата, повторный запуск gaia-bench run с расширенным логированием, проверку конкретной причины и сохранение найденного паттерна. Для хранения используются команды memory store и memory search. Перед первым шагом проверьте путь к результатам: по умолчанию workflow обращается к ~/.cache/ruflo/gaia/results-latest.json, а другой путь передаётся через --results.

Какие задачи решает

  • найти трассировку сбойного задания GAIA
  • классифицировать причину неправильного ответа
  • отличить ошибку инструмента от ошибки рассуждения
  • проверить извлечение FINAL_ANSWER: из трассировки
  • сохранить исправленный паттерн в памяти

Примеры запросов агенту

  • Разбери сбой задания task_id из ~/.cache/ruflo/gaia/results-latest.json и предложи исправление.
  • Проверь, почему задание task_id завершилось неверным ответом, используя --results=<path>.
  • Сопоставь эту ошибку с прошлым паттерном через memory search и сохрани подтверждённое решение.

Как установить gaia-debugging

1Через Skills CLI (Vercel)

npx skills add ruvnet/ruflo --skill gaia-debugging -a claude-code

2Вручную: положить файлы

~/.claude/skills/gaia-debugging/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/gaia-debugging/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о gaia-debugging

Как установить gaia-debugging в Claude Code?

Выполните npx skills add ruvnet/ruflo --skill gaia-debugging -a claude-code, затем повторите эту команду и откройте ~/.claude/skills/gaia-debugging/SKILL.md.

Что делает gaia-debugging?

Скилл разбирает трассировку неудачного задания GAIA, классифицирует причину сбоя и предлагает действие для исправления перед повторной проверкой.

Какие причины сбоя он различает?

Он выделяет проблемы инструментов, рассуждения, извлечения ответа, циклы, сдвиг набора данных и тайм-ауты API.

Исходный текст

SKILL.md · MIT
---
name: gaia-debugging
description: Diagnose why a GAIA question failed — extract trace, classify failure mode, and propose a fix. Use when a GAIA benchmark run reports a failed/incorrect task_id and you need to root-cause it before resubmitting.
argument-hint: "<task_id> [--results=<path>]"
allowed-tools: Bash Read mcp__plugin_ruflo-core_ruflo__memory_search mcp__plugin_ruflo-core_ruflo__memory_store mcp__plugin_ruflo-core_ruflo__agentdb_pattern-search mcp__plugin_ruflo-core_ruflo__agentdb_pattern-store
---

# GAIA Debugging Skill

When a GAIA question fails, systematically diagnose the root cause and propose
a targeted fix.

## When to use

- A specific `task_id` returns the wrong answer or times out
- Pass-rate dropped between two runs and you need to find the regression
- You want to understand why a particular question class is consistently failing

## Failure mode taxonomy

| Code | Mode | Symptom | Fix direction |
|------|------|---------|--------------|
| TG | Tool Gap | Agent lacks a required tool (no image OCR, no PDF reader) | Add tool to catalogue |
| RM | Reasoning Miss | Agent has the right data but draws wrong conclusion | Improve system prompt, add CoT instruction |
| EB | Extraction Bug | Answer is in the trace but `FINAL_ANSWER:` regex fails | Fix answer extraction pattern |
| LI | Loop Issue | Agent loops (re-asks same tool call) and hits turn limit | Increase max-turns or add loop-detection |
| DS | Dataset Shift | Ground truth differs from what web currently shows | Flag for HAL dataset audit |
| AT | API Timeout | Tool call times out; agent never gets the result | Increase per-turn timeout |

## Diagnostic workflow

### Step 1 — Load the question trace

```bash
# Find the result for the task_id in the latest run
RESULTS=~/.cache/ruflo/gaia/results-latest.json
node -e "
  const r = JSON.parse(require('fs').readFileSync('$RESULTS'));
  const q = r.results.find(x => x.task_id === '$TASK_ID');
  console.log(JSON.stringify(q, null, 2));
"
```

### Step 2 — Classify the failure

Look at the trace output:

1. **No tools called at all** → RM or configuration issue
2. **Tool called but returned error** → TG or AT
3. **Tool returned data, wrong answer** → RM or EB
4. **Correct answer in trace but marked wrong** → EB
5. **max-turns hit** → LI or question too hard for current model

### Step 3 — Re-run with extended logging

```bash
node v3/@claude-flow/cli/bin/cli.js gaia-bench run \
  --level 1 --limit N \
  --models claude-sonnet-4-6 \
  --max-turns 20 \
  --output json
```

`gaia-bench run` cannot select one task: there is no `--task-id` flag (unknown flags are ignored silently). Use the smallest `--limit N` that reaches the question's position in the level's dataset order, and read only the trace for `$TASK_ID` from the output; completed questions are skipped on resume via the checkpoint file.

### Step 4 — Apply targeted fix

| Failure | Action |
|---------|--------|
| TG — missing web_browse | Verify `gaia-tools/index.ts` exports `web_browse`; check tool registration |
| TG — missing image OCR | Add `image_describe` tool call; verify `GOOGLE_AI_API_KEY` |
| RM — reasoning | Add a system prompt instruction: "Before answering, list all facts you have gathered" |
| EB — extraction | Test the `FINAL_ANSWER_RE` regex against the trace manually |
| LI — loop | Add a tool-call deduplication guard in `gaia-agent.ts` |
| AT — timeout | Set `DEFAULT_PER_TURN_TIMEOUT_MS` higher or use `--max-turns` flag |

### Step 5 — Verify fix and store pattern

```bash
# Re-run (no --task-id exists; use the smallest --limit that includes the question)
node … gaia-bench run --level $LEVEL --limit N --models $MODEL --output json

# If now passing, store the pattern
npx @claude-flow/cli@latest memory store \
  --namespace gaia-debug-patterns \
  --key "fix-$FAILURE_CODE-$(date +%Y%m%d)" \
  --value "task_id=$TASK_ID, mode=$FAILURE_CODE, fix=$FIX_DESCRIPTION"
```

## Quick reference: tool catalogue check

```bash
node -e "
  const { createDefaultToolCatalogue } = require('./v3/@claude-flow/cli/src/benchmarks/gaia-tools/index.js');
  const cat = createDefaultToolCatalogue({});
  console.log('Tools registered:', cat.definitions.map(t => t.name));
"
```

Expected: `web_search`, `file_read`, `web_browse`, `image_describe`, `python_exec`

## Pattern storage

After resolving a debugging session, store the finding:
```bash
npx @claude-flow/cli@latest memory store \
  --namespace gaia-debug-patterns \
  --key "session-$(date +%Y%m%d-%H%M)" \
  --value '{"task_id":"$TASK_ID","failure_mode":"$CODE","fix":"$FIX","verified":true}'
```

Search for similar past failures:
```bash
npx @claude-flow/cli@latest memory search \
  --namespace gaia-debug-patterns \
  --query "extraction bug final answer regex"
```

© ruvnet · MIT · ruvnet/ruflo

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
debugging-code AlmogBaku Ставит брейкпоинты, ведёт по строкам и показывает живые значения переменных. Пригодится, когда программа падает или выдаёт не то, а print уже не помогает. CX Codex +1 575установок systematic-debugging spencerpauly Заставляет ИИ-агента искать причину бага по шагам вместо случайных правок кода. Пригодится, когда поломку трудно поймать или она проявляется только в продакшене. CX Codex +1 545установок godot-debugging-profiling thedivergentai Скилл для отладки и профилирования игр на Godot: утечки, осиротевшие узлы, GPU-профилировщик, headless-проверки в CI. CX Codex +1 457установок mobile-app-debugging secondsky Скилл для отладки iOS, Android и кроссплатформенных приложений: падения, утечки памяти, просадки FPS, сетевые проблемы. CX Codex +1 428установок debugging-livekit-agents livekit Гоняет локального агента LiveKit по одному ходу за раз через lk agent debugger, чтобы видеть вызовы инструментов и слышать, что агент разобрал. CX Codex +1 399установок debugging akillness Скилл ведёт агента по циклу «воспроизвести → изолировать → проверить» для конкретных багов, регрессий и плавающих падений. Пригодится, когда падающий тест или запрос уже есть, а причины нет. CX Codex +1 361установок

Из того же набора146

trader-cloud-backtest Уводит тяжёлый прогон neural-trader — walk-forward, Monte-Carlo, перебор параметров или обучение модели — в контейнер Managed Agent вместо локальной машины. CX Codex +1 599установок managed-agent Скилл для запуска Claude Managed Agents в облаке Anthropic. Подходит для долгих асинхронных задач в изолированном контейнере с постоянной файловой системой. CX Codex +1 596установок trader-portfolio-cg Решает задачу mean-variance через сопряжённые градиенты вместо ряда Неймана. Нужен, когда пересчитываете веса портфеля часто и упираетесь в задержку. CX Codex +1 513установок trader-explain Ранжирует признаки в сигналах LSTM и Transformer через PageRank и создаёт подписанный отчёт для аудита торговых моделей. CX Codex +1 510установок gaia-submission Скилл ведёт запуск бенчмарка GAIA от проверки ключей до сборки пакета для лидерборда HAL. Пригодится при замере качества агента и подготовке результатов к отправке. CX Codex +1 435установок gaia-architecture-comparison Сравнивает тестовый стенд ruflo для бенчмарка GAIA с референсной реализацией HAL от Принстона. Помогает найти архитектурные пробелы и спланировать доработки для роста точности. CX Codex +1 432установок nested-subagents Строит дерево субагентов, где каждый ребёнок может породить своих детей. Нужен, когда промежуточное состояние не влезает в контекст одного агента. CX Codex +1 316установок claude-flow Подключает Claude Code к инструментам claude-flow для работы с агентами и координации задач. Для запуска через MCP понадобится ANTHROPIC_API_KEY. CX Codex +1 ★ 79 357звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой