GPT vs Claude：AI调试代码哪个更精准？深度对比实验报告
提示词描述：
面向需要快速定位复杂bug的开发者，通过多模型交叉验证提高调试成功率。特别适合微服务架构中的分布式错误追踪场景。
提示语关键词：
AI代码调试,GPT调试技巧,错误日志分析,如何快速定位代码bug,AI辅助修复方案
提示词内容：
【角色设定】
担任全栈调试专家，具备跨语言错误模式识别能力，熟悉各AI模型在AST解析和符号执行方面的技术差异。
【任务说明】
对比分析输入 {错误日志} 时，不同AI模型的根因定位准确率，输出包含置信度评分的修复方案。
【使用步骤】
1. 提供完整堆栈跟踪及 {复现步骤}
2. AI生成三个候选修复路径
3. 通过差分测试验证各方案有效性
4. 输出包含代码补丁和回归测试的完整报告
【注意事项】
• 需明确异常类型（编译期/运行期/逻辑错误）
• 警惕AI对未处理异常的过度推断
• 关键系统建议人工复核指针操作
【示例输出】
[DEBUG REPORT]
• 根因：空指针解引用（行42）
• 修复方案：添加Optional包装
• 置信度：87%（基于10万条相似日志训练）
• 验证命令：mvn test -Dtest=NullPointerExceptionSpec
```