sample-size-basic
用于临床研究规划的样本量估算技能，支持两样本/配对 t 检验、卡方检验和比例检验，计算每组与总样本量，需在本地运行 Python 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 10-31 00:15
测试与质量
12,985 个结果
uat-scenarios
UAT Scenarios 是一个面向开发与测试团队的技能工具，用于将功能意图、伪规格说明和分支变更转化为可重复执行的 UAT 制品，包括场景 TSV 文件、SQL 文件（数据搜索查询或模拟夹具）以及可选的执行手册。它强调在编写任何制品前先端到端追踪变更流程，只测试分支改变的逻辑及其直接和下游结果，覆盖正常路径、限制条件、回归和边界场景，并生成非技术测试人员可理解、可执行的场景。
content-evaluation-framework
用于评估书籍章节、课程或教育内容质量的中文技能，提供涵盖技术准确性、教学效果、写作质量、结构组织、AI优先教学和宪法合规的6类加权评分标准，并含通过/失败门槛与结构化评估报告。
jest-testing
用于 Jest 测试的技能：在用户涉及 Jest 配置、匹配器/模拟、快照、覆盖率或遇到 *.test.js/ts/jsx/tsx 文件时自动激活，提供配置、Mock、React 测试与调试的实践指导。
pentest-metasploit
基于 Metasploit Framework 的渗透测试技能，用于漏洞验证、利用开发与授权安全评估。提供授权确认、工作区管理、模块搜索与配置、会话建立、后渗透与横向移动等结构化流程，仅限获得书面授权的测试使用。
prd
根据公开资料，该技能用于为软件系统与 AI 功能生成高质量产品需求文档（PRD），涵盖执行摘要、用户故事、技术规格等内容，帮助把业务愿景转化为可执行的技术需求。
sop-code-review
一个多智能体代码评审标准作业流程（SOP）技能，通过质量、安全、性能、架构、文档等专职评审者协同完成全面评审，总时长约4小时，含自动化检查、专业评审、集成评审与最终批准四个阶段。
test-case-generator
从需求文档（文字、图片、PDF、DOCX）生成结构化功能测试用例的技能，遵循 15 字段规范，覆盖正常流程、边界值、异常场景及安全测试，最终输出格式化的 Excel 文件。
validate-requirements
validate-requirements 是一个质量流水线入口技能，用于在生成前校验用户输入是否满足其针对项目类型保存的标准，检查完整性、清晰度、格式、上下文充分性与标准一致性，并返回结构化校验结果。
playwriter
playwriter 是一个通过 Playwriter 扩展控制用户自有 Chrome 浏览器的 CLI 工具，可在有状态的本地 JS 沙箱中运行 Playwright 代码片段。使用前必须先运行 playwriter skill 阅读完整文档。
tdd
一个面向测试驱动开发的技能，采用红-绿-重构循环，帮助用户以垂直切片方式构建功能或修复缺陷。强调测试应通过公共接口验证行为，而非耦合实现细节。
evaluating-code-models
BigCode Evaluation Harness 是一个用于评估代码生成模型的开源工具，覆盖 HumanEval、MBPP、MultiPL-E 等 15 个以上基准，采用 pass@k 指标衡量功能正确性。它支持 Python 及 18 种编程语言的多语言评测，可评估基础模型、指令微调模型以及填充中间（FIM）能力，常用于代码模型基准测试、模型对比和 BigCode/HuggingFace 排行榜提交。工具通过 accelerate 启动，支持量化加载、批量采样、代码执行与结果保存，并可用 Docker 安全运行多语言评测。
evaluating-llms-harness
lm-evaluation-harness 是一个用于在 60 多个学术基准上评估大语言模型（LLM）的工具，采用标准化提示与指标，覆盖 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等任务，适用于模型质量基准测试、模型比较与结果报告。通过 pip install lm-eval 安装，支持评估任意 HuggingFace 模型，并可用 vLLM 后端加速推理；结果可输出为 JSON，便于分析、对比与绘制训练曲线。
nemo-evaluator-sdk
NeMo Evaluator SDK 是用于大语言模型评测的企业级工具，覆盖 18+ 评测框架、100+ 基准（如 MMLU、HumanEval、GSM8K、安全与 VLM），支持本地 Docker、Slurm HPC 与云执行，并可将结果导出到 MLflow、W&B 等。
tensorboard
TensorBoard 是 Google 的机器学习可视化工具包，用于可视化训练指标、调试模型、对比实验、查看模型图与性能分析。支持 PyTorch 与 TensorFlow/Keras，Apache 2.0 许可。
agent-benchmarking
将智能体能力映射到标准基准（SWE-bench、WebArena、OSWorld、GAIA、TauBench 等）并构建自定义回归包的技能，用于在 CI 中持续追踪质量，用可辩护的数字支撑模型选型、厂商对比与发布把关。
interview-script
用于创建结构化客户访谈脚本的技能，遵循《The Mom Test》原则，围绕待办任务（JTBD）设计暖场、核心探索与收尾问题，帮助团队获取真实洞察而非泛泛意见。
k6-load-testing
用于编写和运行 Grafana k6 负载测试脚本的技能，支持流量模拟、性能测试与压力测试。k6 是开源、面向开发者的负载测试工具，使用 JavaScript 编写脚本，通过 CLI 以 k6 run script.js 运行。
annas-archive-downloader
基于 Playwright 浏览器自动化的电子书下载工具（aget），可按书名、作者或 ISBN 在 Anna's Archive 搜索并下载电子书，支持格式、语言、输出目录、结果数量等命令行过滤，能自动处理 Cloudflare 验证。
test-browser
test-browser 是一个浏览器冒烟测试技能，通过 agent-browser CLI 打开受改动影响的页面，自动把变更文件映射到路由并做端到端验证。适用于用户要求“在浏览器中测试”或对 PR/分支改动做冒烟检查时使用。
web-testing
这是一套面向 React + GraphQL + Prisma 技术栈的 Web 测试实践指南。内容围绕行为驱动、测试金字塔、隔离与确定性原则，涵盖组件、Apollo/GraphQL、自定义 Hook、Service/Resolver 以及集成测试的写法与反模式，帮助构建可重构、不随机失败的测试套件。
allure-agent-mode-setup
在项目中配置 Allure agent-mode 的技能：检查是否已有 Allure 结果或配置，添加简短的根 AGENTS.md 路由，并创建 docs/allure-agent-mode.md 指南，让测试工作与测试评审走 allure agent。
quark-torch-debug
用于诊断 Quark Torch 量化（PTQ）流程安装、执行、脚本生成或导出失败的调试技能，适用于用户报告 torch 侧错误、堆栈信息等情况。
quark-torch-llm-eval
在 AMD ROCm 上对大语言模型进行端到端精度评测的技能，支持 Docker 容器或主机（无 Docker）运行，可配合 vLLM、SGLang、ATOM 等推理服务，并使用 lm-eval、lighteval 等评测框架，仅限 ROCm 环境。