dotagents-qa
dotagents-qa 是 getsentry/dotagents 的 QA 技能，用于在 Docker 中验证 dotagents 变更与已发布版本，覆盖 CLI 生命周期、用户/全局作用域、真实插件以及 Claude、Codex、OpenCode、Pi 等客户端。
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 10-30 00:12
测试与质量
12,919 个结果
grill-me-technical
一个用于技术方案压力测试的 AI 技能：围绕某个功能从数据库到 UI 的完整纵向切片，逐层向用户提问，每个问题都基于真实代码并给出推荐答案。
load-testing
用于对服务或模型推理端点做负载、压力与容量测试的技能：先按代表性流量建立工作负载模型，再分步加压，定位延迟或错误开始上升的饱和点，并给出满足延迟预算的最高负载与可复现的结果记录。
praxis-direction
Praxis: Direction 是一个把组织研究议程转化为单一可投入资源赌注的技能：明确结果、度量、干预、最便宜测试、算力阶梯与终止条件。它每轮只问一个问题，不运行实验、不花钱、不下结论。
write-tests
write-tests 是 Replica 项目中的一项测试编写技能，用于在新增回归覆盖、测试新行为或修改现有自动化测试时，指导编写有意义的 Replica 测试。它强调先确定被接受的行为契约，区分真正能捕捉不同回归的用例与冗余断言，并依据独立编写者策略决定由谁编写测试。该技能覆盖从读取项目规范、界定公共接口与现有覆盖，到委派或直接编写测试、聚焦运行并核对红绿证据的完整流程，最终要求保留的用例能证明预期结果，或明确报告阻塞与未经核实的行为。
xb-debug-app
用于调试和修复 XR Blocks 应用的技能，适用于构建或运行失败、UI、交互、感知或渲染行为异常，以及模拟器与真机表现不一致等情况。
chrome-extensions
面向 Chrome 扩展开发的技能指南，基于 Manifest V3 最佳实践，讲解构建、调试与发布 Chrome 扩展时的常见陷阱与正确写法，涵盖图标、侧边栏、CSP 沙箱、权限、Service Worker、消息传递、媒体捕获等主题。
review-finished-ad
这是一个用于竖屏视频广告发布前最终质检（QC）的脚本技能。它作为渲染成片与用户之间的最后一道关卡，检查广告是否既符合品牌形象又具备广告应有的播放节奏。脚本依赖 ffmpeg、ffprobe 以及 numpy、pillow，通过命令行运行，对视频执行一系列机器可判定的检查，包括：尺寸必须精确为 1080x1920、开头 1 秒内必须有声音且开场画面不能静止超过 1.5 秒、画面冻结与静音时长、黑帧、logo 资产尺寸与位置、品牌配色等。脚本输出 JSON 结果与一张质检图（sheet），退出码 0 表示通过、2 表示失败、3 表示错误。除机器检查外，还要求人工查看质检图确认安全区、字体、产品外观一致性、logo 未被篡改等。该技能已被视频工具包的 check-layer 部分（1.2.0 版）取代，但为工具包之外的技能保留，行为不变。
e2e-verify
e2e-verify 是一个用于 PR 端到端验证的技能，通过浏览器测试与截图视觉检查确认改动是否符合需求，支持 verify、fix-and-verify、investigate、ship-prep、ship、fix-and-ship 等模式，在合并前或修复后交付时使用。
bio-alignment-filtering
基于 samtools view 与 pysam 的比对结果过滤技能，可按 FLAG、比对质量（MAPQ）和基因组区域筛选 BAM 中的 reads，用于提取特定 reads、去除低质量比对或做下采样。
bio-de-results
从 DESeq2 或 edgeR 结果中提取、过滤、注释并导出差异表达（DE）结果，用于识别显著基因、多重检验校正和生成下游分析所需的基因列表。
bio-population-genetics-association-testing
使用 PLINK 2.0 进行全基因组关联分析（GWAS）的技能，通过统一的 --glm 命令完成病例对照与数量性状的关联检验，支持协变量、Firth 回归、群体分层控制及结果可视化。
bio-population-genetics-plink-basics
基于 PLINK 1.9/2.0 的群体遗传学入门技能，讲解 VCF、BED/BIM/FAM、PGEN/PVAR/PSAM、PED/MAP 等文件格式与相互转换，并演示 MAF、缺失率、HWE 等质量控制过滤及样本与位点筛选命令。
bio-read-qc-quality-filtering
基于 Trimmomatic、fastp 和 Cutadapt 对测序 reads 进行质量过滤的技能：按质量分数、长度和 N 含量筛选，支持滑窗裁剪、末端低质量碱基去除及 poly-G 处理。
bio-read-qc-quality-reports
使用 FastQC 和 MultiQC 从 FASTQ 文件生成并解读质量报告，评估每碱基质量、接头含量、GC 偏好、重复水平等指标，并汇总多样本结果。
android-memory-evidence
用于在 Android 内存问题诊断前整理和校验证据的 Skill：接收 QA 交接目录与问题描述，清点目录内容、按内容校验产物、区分可解释与暂不可证的部分，并给出按优先级排列的补证采集命令。
k6-browser-test
用于编写 k6 浏览器测试的 AI 技能，通过真实 Chromium 浏览器执行页面交互流程，覆盖导航、点击、表单等操作，并采集 Web Vitals 指标与性能阈值。
k6-cloud-investigate-test
用于调查 Grafana Cloud k6 测试或单次运行的技能，提供 9 步结构化排查流程：识别测试与运行、获取元数据与脚本、分页列出运行历史、校验日期范围、判定通过/失败、拉取指标时序与日志，并可按需安全编辑脚本。
k6-manage
k6-manage 是 Grafana Cloud k6（GCk6）的交互参考技能，用于管理负载测试、测试运行、脚本、项目、计划与环境变量，获取指标或日志，并在本地运行脚本。默认通过 gcx CLI 操作，未安装时可用 curl 直连 k6 公共主机。
k6-playwright-converter
将 Playwright 脚本转换为生产级 k6/browser 测试的技能。由 Grafana 的 xk6-subcommand-agent 提供，按 k6 最佳实践生成脚本，经 MCP 工具校验并保存到本地。
k6-smoke-test
此技能用于生成轻量级 k6 冒烟测试脚本，以最小负载（1–5 VU、短时运行）验证应用基本功能与关键路径，属于在更重型性能测试前期的第一道防线。技能为中文编排型工作流，强调仅覆盖 happy path，需调用 mcp_k6_* 系列工具进行版本确认、文档查询、脚本校验与执行，并输出脚本位置与校验结果。
k6-test-maintenance
k6 测试维护技能用于维护、修复和改进已有的 k6 测试脚本，主要面向 Grafana Cloud k6（GCk6）托管脚本以及本地磁盘脚本。它覆盖五类维护任务：一是根据观测指标收紧阈值；二是针对新 k6 版本进行版本迁移；三是当被测服务发生变化时适配脚本；四是重构和现代化测试代码；五是依据当前 k6 最佳实践进行审计。其核心原则是“感知行为的变化控制”：把每处改动分为语法性改动（运行时不产生不同指标、通过/失败结果和端点，可直接应用）和行为性改动（影响指标、通过/失败、时序、请求目标或负载形态，须以 diff 加理由提交并等待确认），判断存疑时一律按行为性处理。该技能依赖 k6-manage、gcx、mcp-k6 工具、k6 x docs CLI 和 k6 CLI 等外部能力，要求每次编辑都经过验证循环，并在提出涉及 k6 API、导入或模式的改动前查阅当前文档。
k6-test-planner
用于根据自然语言需求规划 k6 测试套件的技能，分析被测系统并映射用户目标到具体测试类型、场景与验收标准，输出结构化测试计划。
k6-trend-analysis
用于分析 Grafana Cloud k6 多次测试运行的趋势，捕捉阈值尚未触发前的缓慢劣化（如 P95 延迟持续上升），计算余量并给出阈值收紧建议。