solana
面向 Solana 区块链交互、x402 V2 协议验证与端到端测试的技能,基于 Agave v3.x/v4.x,提供本地验证节点安装、CLI 代币准备及 Rust E2E 测试流程。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-27 00:15
12,758 个结果
面向 Solana 区块链交互、x402 V2 协议验证与端到端测试的技能,基于 Agave v3.x/v4.x,提供本地验证节点安装、CLI 代币准备及 Rust E2E 测试流程。
run-tests 是一个强制性测试执行技能,由 safe-commit 自动调用,用于在提交前运行单元测试、集成测试和端到端测试,其中单元测试覆盖率需达 90% 以上。
pr-check 是一个本地检查技能,用于在提交 PR 前按顺序运行完整 CI 套件,包括 composer validate、phpcs、phpstan 和 phpunit,并在首个失败处停止并报告,最后给出通过或失败汇总。
面向 Playwright 与 Cypress 的端到端测试技能,讲解如何编写可靠、快速、易维护的 E2E 测试套件,覆盖关键用户流程、跨浏览器测试、CI/CD 集成、可访问性与视觉回归等场景,并给出页面对象、夹具、等待策略、网络拦截等模式与常见陷阱。
一个基于 Playwright 的通用浏览器自动化技能,可自动检测本地开发服务器,按需编写并执行测试脚本,用于页面测试、表单填写、截图、链接检查、响应式验证等浏览器任务。
review-pr 是微软 Fluent UI 仓库中的 PR 审查技能,用于检查拉取请求的正确性、模式合规、测试、无障碍与安全性,并给出可合并置信度评分。
微软 Power Platform Build Tools 的架构与调试指南技能,说明仓库分层、关键文件、认证类型与按症状排查的调试手册,用于理解代码库架构、跨仓库追踪问题或定位构建失败。
微软 testfx 提供的 AI 技能,通过多智能体流水线为任意编程语言生成可编译、可运行的单元测试,支持 .NET、pytest、Vitest/Jest、Go、JUnit 等,并自动完成研究、规划、实现、构建、测试、修复与格式化。
一个用于协助代码审查的 Copilot 智能体,从代码质量、SOLID 原则、安全、性能与最佳实践等角度提供结构化评审与改进建议,以日语对话为主,并强制遵循 steering 目录中的项目记忆文件。
对 git 未提交变更(未暂存、已暂存、未跟踪文件)进行多维度代码审查的技能,涵盖项目规范合规、Bug 扫描、注释一致性与组件架构设计,并以置信度评分过滤误报,仅保留高置信度问题。
用于编写清晰、可复现缺陷报告的技能,支持 Markdown、Jira、GitHub Issues、Excel、CSV、JSON 等输出格式,提供模板、示例与质量检查建议,帮助 QA 与开发人员规范记录步骤、环境、证据、严重程度与优先级。
用于制定测试策略的 QA 技能,覆盖范围、方法、资源、风险与质量门禁,默认输出 Markdown,也可要求 Excel、PDF、JSON 等格式,适合需要编写测试策略或测试计划文档的场景。
一套系统化调试框架,强调先定位根因再修复,避免随机改动浪费时间并引入新缺陷。适用于测试失败、报错、异常行为、性能与构建问题,以及宣称“已修复”之前。
test-writer 是一个面向测试编写的技能,按 TDD 流程生成结构化测试,遵循 AAA 结构、覆盖率目标与各框架约定,并根据任务类型选择单元、集成或端到端测试层。
Visual Regression Tester 是一个用于视觉回归测试的 Agent Skill,基于 Playwright 或 Chromatic 实现截图对比、差异检测和 CI 集成。默认使用免费的像素级对比,适合需要托管 Chromatic 基线时使用。
eval-author 是 NVIDIA NeMo 生态下的评估套件编写技能,用于引导用户对仓库持有的评估套件进行操作,并理解智能体追踪。它根据用户请求将工作路由到不同的子流程,包括:首次评估构建、现有评估套件改进、覆盖审计、发现盘点、数据集改进建议、追踪环境准备等。该工具强调基于权威证据(而非猜测)来记录事实,并遵循 Gym 和 Harbor 两个评估框架的规则。
TDD Workflow 是一套测试驱动开发(Test-Driven Development)的工作流原则,核心是 RED-GREEN-REFACTOR 循环:先写会失败的测试,再写最小实现让测试通过,最后重构改进代码质量。它强调测试即规格说明,遵循 TDD 三定律,使用 AAA(Arrange-Act-Assert)模式组织测试,并给出各阶段的原则、规则、测试优先级、反模式以及 AI 增强的多智能体协作模式。
test-fixing 是一个用于系统性修复失败测试的技能,核心做法是通过“智能错误分组”提高修复效率。当用户明确要求修复测试、反馈测试失败、完成实现后希望测试通过,或提到因测试导致的 CI/CD 失败时,可以调用该技能。它首先运行 make test 识别所有失败测试,分析失败总数、错误类型与模式、受影响的模块和文件。然后按错误类型(如 ImportError、AttributeError、AssertionError)、模块/文件、根因(缺失依赖、API 变更、重构影响)进行分组,并按受影响测试数量与依赖顺序排定优先级。修复过程逐组进行:定位根因、阅读相关代码、用 git diff 检查近期改动、理解错误模式,再用 Edit 工具做最小且符合项目约定的修改,随后用 pytest 运行该组相关子集验证,通过后再进入下一组。修复顺序建议先处理基础设施问题(导入错误、缺失依赖、配置问题),再处理 API 变更(函数签名变化、模块重组、变量或函数重命名),最后处理逻辑问题(断言失败、业务逻辑缺陷、边界情况)。全部修复后运行完整测试套件,确认无回归且测试覆盖保持完整。最佳实践包括一次只修一组、每次修改后运行聚焦测试、用 git diff 理解变更、寻找失败模式、当前组通过前不进入下一组、保持改动最小。
testing-patterns 是一套面向 Jest 的测试模式与工具集,涵盖测试驱动开发(TDD)流程、工厂函数(factory functions)、mock 策略以及测试工具函数,适用于编写单元测试、创建测试工厂或按 TDD 工作流进行开发。其内容包括测试哲学(TDD、行为驱动测试、工厂模式)、自定义渲染函数、组件 props 工厂与数据工厂、模块与 GraphQL Hook 的 mock 方式、测试结构(describe 分组)、查询与用户交互模式、需要避免的反模式以及最佳实践,并给出运行测试与覆盖率命令。整体偏向 React / React Native 与 Jest 的测试实践。
telemetrygen 是 opentelemetry-collector-contrib 提供的命令行工具,用于通过 OTLP 生成合成 OpenTelemetry 追踪、指标和日志,便于测试采集器、后端与告警管道。
verification 是 OpenAI 插件中的全链路验证技能,先推断用户正在构建的功能,再从浏览器、API、数据到响应逐层端到端验证,并基于证据给出结构化报告。
用于检索和总结 ArXiv 论文的技能,可按关键词、作者或分类查找最新研究,获取摘要并生成简要总结,还能将讨论过的论文自动记录到 memory/RESEARCH_LOG.md 以便长期跟踪,并可按需通过 web_fetch 阅读 PDF 链接获取更多细节。
对 HEAD 与用户指定固定点(提交、分支、标签或 merge-base)之间的 diff 做双轴审查:Standards 检查代码是否符合仓库文档化的编码规范,Spec 检查代码是否忠实实现来源 issue/规格。两轴由并行子代理分别执行后汇总。
用于在 Payload 仓库中编写与运行 Playwright 视觉回归(截图对比)测试的技能,介绍 visual() 辅助函数、基线截图生成与更新、Docker 运行方式及常见陷阱。