test-reporting-en
用于生成测试报告的技能，可输出包含摘要、指标、缺陷分析与风险评估的报告，默认 Markdown 格式，支持 Word、Excel、XMind、JSON、CSV 等模板与转换脚本。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-28 00:17
测试与质量
12,793 个结果
qa-expert
QA 专家技能，用于测试策略与质量保障，涵盖单元测试、端到端测试、无障碍测试、性能测试等子技能，供 tester 智能体使用，适用于测试驱动开发与质量审查阶段。
review-code
基于 Google 工程实践整理的中文代码审查技能，用于审查代码变更、PR、diff 或 commit，确保代码库整体健康状况随时间改善。强调技术事实优先、风格指南为权威、持续改善而非追求完美。
probe-platforms
面向在新操作系统（Windows 或 Linux）上首次运行测试探针或测试框架的排障技能，强调按最小载荷逐层定位故障链，并给出 Windows 与 Linux 上实测的常见陷阱与规避方法。
pr-screenshots
用于在拉取请求中捕获前后对比截图的技能，帮助记录视觉变更。支持 agent-browser CLI 与 Playwright Python 两种方式，适用于需要为 PR 补充可视化证据的场景。
eval-author-audit
这是 Eval Author 技能集中的审计子流程，用于对 AI 智能体的评估覆盖情况进行审计。它依据共享的 Ethos 准则和经用户确认的评估与轨迹来源，生成并校验有限的审计覆盖分母，再对 ATIF 轨迹进行测量，汇总覆盖率报告，并产出人类可读的 audit-coverage-report.md。审计覆盖工具、能力、失败用例三类项目，支持生成、校验、测量、聚合等操作，适用于按里程碑引导的完整审计，也可按需执行限定范围的生成或测量。
eval-author-environment
eval-author-environment 是 NVIDIA NeMo 的 Eval Author 工具中的一个子流程技能，用于在编写 Harbor 或 Gym 任务的测试之前，构建并验证任务所依赖的环境工具包（kit）。它要求为每个 agent 在 .eval-author/environments/<agent-slug>/ 下产出 environment-plan.md、带种子生成器的起始数据、以及带 NOP 运行和两次参考解运行的冒烟任务。该流程涵盖适配性检查、仓库依赖清点、依赖提供方式选择（真实、厂商沙箱、有状态仿真、回放或无）、起始数据构建、终态导出、隔离与隐藏答案保护、环境证明及交接，强调在测试前先用独立参考查询推导预期值。
eval-author-inspect-trace
这是 eval-author 的一个子流程，专门用于检查单条 Intake trace：读取指定 trace 的轨迹结构与统计信息，必要时按需读取有限的 payload 和评估器结果，并生成一份带证据引用的报告。使用前提是 eval-author 已将任务路由到本子流程，且具备可用的 nemo CLI 和 Intake 读取权限。它不负责埋点、遥测摄取或一般性 Intake 查询，也不安装 CLI、修复平台或提交报告。
eval-author-task-create
Eval Author 是一个用于评估数据集改进和任务创建的工具。它从审计发现中提出数据集改进建议，并可选地从某个可操作的未覆盖工具创建一个 Gym 或 Harbor 任务。该工具通过读取共享证据标准和边界，将审计证据转化为按优先级排列的数据集改进建议，并支持任务创建流程，包括选择可操作的未覆盖工具、设计最小客观任务、使用 Gym 或 Harbor 进行脚手架搭建，以及通过原生控件和真实 agent 运行来验证任务正确性。
mcore-onboard-gb200-1node-tests
面向 NVIDIA Megatron-LM 的 GB200 单节点 GitHub MR 功能测试上架技能：把现有 2 节点（mr-scoped）GB200 功能测试改造成 1 节点（mr-github）变体，每节点 4 GPU，即从 8 GPU 降到 4 GPU。
python-tests
NeMo Fabric 的 Python 测试编写规范技能，规定使用 pytest 运行测试，并给出异步测试、mock、fixture、参数化及环境变量处理等约定，用于指导在该项目中编写测试。
verifying-claims
verifying-claims 是一个用于核对文档中关于代码的陈述是否属实的技能：它同时阅读文档、代码与测试，报告或修复三者不一致之处。它不替代测试或 CI 门禁，而是审查散文层文档是否与代码和测试相符。
e2e-scenario-testing
用于通过真实界面（Web UI、CLI 或 TUI）端到端验证运行中的应用：以“场景卡”形式编写由智能体执行的 Markdown 测试，驱动真实界面并对照权威记录断言，适用于用户可见功能上线前的实机验证。
roborev-review-branch
roborev-review-branch 是一个技能，用于对当前分支上的所有提交发起代码审查并展示结果。支持指定基准分支、审查类型（security 或 design）以及评审面板，审查在后台运行，完成后按严重程度分组呈现结论与发现。
browser-automation
browser-automation 是一份浏览器自动化技能文档，聚焦用 Playwright、Puppeteer 等工具做网页测试、抓取与 UI 自动化，强调好的选择器、自动等待与隔离测试，避免脚本不稳定。
playwright
Playwright E2E 测试模式技能，用于编写端到端测试、创建 Page Object Model、设置选择器与断言，并在可用时通过 MCP 探索工作流先验证页面结构与真实用户流程再生成测试代码。
playwright-skill
Playwright-skill 是一个基于 Playwright 的通用浏览器自动化技能，用于按需编写并执行自定义浏览器自动化脚本来完成网页测试与操作任务。它可以自动检测本地正在运行的开发服务器，把测试脚本写入 /tmp 目录并通过 run.js 执行，默认以可见浏览器窗口运行，方便调试。支持页面测试、表单填写与提交、登录流程验证、截图、多视口响应式设计检查、断链检查等常见场景。可通过环境变量配置自定义 HTTP 请求头，并提供 safeClick、safeType、takeScreenshot、handleCookieBanner、extractTableData 等辅助函数以及 API_REFERENCE.md 高级参考。
pytest
面向 Python 的 pytest 测试模式技能，用于编写或重构 pytest 测试，涵盖 fixture、mock、parametrize 与 marker 等常见写法，并包含 Prowler 相关 API/SDK 测试的参考说明。
test-driven-development
测试驱动开发（TDD）技能，用于在编写任何功能实现或缺陷修复代码之前先编写测试。核心原则是：先写测试、看它失败、再写最小代码使其通过。该技能强调“没有失败的测试就不写生产代码”的铁律，遵循红-绿-重构循环，并列出常见借口与红旗信号，帮助开发者避免先写代码后补测试的反模式。适用于新功能、缺陷修复、重构和行为变更等场景。
tdd-guide
一种测试驱动开发技能，可生成单元测试、创建测试夹具与模拟数据、分析覆盖率缺口，并引导红-绿-重构流程，支持 Jest、Pytest、JUnit 与 Vitest。
magic-word
一个用于验证技能加载与触发机制的测试技能：当用户提到“alakazam”“abracadabra”或询问“magic word”时，需固定回复指定短语，用以确认插件已正确获取、合并进智能体上下文且触发与指令执行均正常。
bx-playwright-ai
bx-playwright-ai 是 BoxLang 的 bx-playwright 技能，用于把 AI 智能体连接到浏览器。它通过 ai 模式的无障碍快照生成带元素引用（ref=e12）的可操作快照，并提供工具集让智能体访问、点击、填写页面。
bx-playwright-assertions
bx-playwright-assertions 是 BoxLang 的 bx-playwright 技能中关于断言与错误的参考文档。它介绍如何在网页测试中使用 Web 优先、可重试的断言，包括内联链式风格（assertSee、assertTitle、assertPathIs 等）和 Expect 风格（toHaveText、toHaveURL 等），并涵盖软断言、超时配置以及类型化错误处理。断言会持续重试直到通过或超时（默认 5000 毫秒），因此无需在断言前手动等待。
bx-playwright-browsing
bx-playwright-browsing 是 BoxLang 的浏览器自动化技能，使用 playwright() BIF 创建管理器，通过 visit()、browse()、newPage()/newContext() 驱动浏览器，支持智能选择器、链式操作、等待、模拟与发现帮助。