$ loading_
用自然语言驱动 Python 调试,运行测试、设断点并检查变量状态。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"mcp-debugpy" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请连接 debugpy 调试会话,运行 pytest 中失败的 test_user_login,用断点逐步检查 login() 的参数、返回值和异常来源,并总结根因与修复建议。
输出测试执行结果、关键断点观察、失败根因,以及可实施的修复建议。
在 process_records() 的 for 循环开始处设置断点,运行示例输入,比较每次迭代中 record、status 和 error_count 的变化,找出导致结果异常的那一步。
给出逐步变量变化记录,指出异常发生的具体迭代与代码逻辑问题。
我已经修改了 parse_config()。请重新运行相关测试,在关键分支上设置断点确认新逻辑被执行,并检查 edge case 输入下的变量值是否符合预期。
返回修复后的测试结果、断点验证结论,以及是否仍存在潜在风险的说明。
通过封装 GDB,让 AI 可启动、附加并执行实时调试会话。