experts
Expert Panel 是一个用于多视角项目审查的技能：它并行派发多个专家评审子代理，每个代理以特定专家角色独立审查项目，最终将结果汇总为按严重程度排序的报告，并可据此生成修复实施计划。适用于上线前审查、重构后检查、接手代码库评估和定期健康检查，覆盖 Web、API、移动应用、CLI 等多种项目类型。
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 11-02 00:09
测试与质量
13,028 个结果
normies
Normies 是一个用于网站首次体验评审的技能，通过派遣一组子智能体，让它们分别扮演不同技术熟练度的人群，在零上下文的情况下访问网站，并报告各自的理解、困惑与放弃点。其核心组织原则是“熟练度光谱”，从专家到新手。该技能不是技术审查，不负责代码质量、SEO 或无障碍合规，而是回答“真实的人能否理解我的网站”。默认面板包含 6 个角色：高级开发者、产品经理、大学生、小企业主、退休教师、某人的祖父母，每个角色有不同耐心阈值和放弃条件。使用流程为：用户请求首次体验评审、展示默认角色面板并询问增删调整、确定面板、确保开发服务器运行、按顺序逐个派遣智能体、每次完成后汇报关键印象、全部完成后汇总困惑矩阵与建议。智能体提示词要求角色丰富、禁止阅读源代码、设定时间限制、以角色身份报告、截图驱动。由于浏览器 MCP 工具共享单个浏览器实例，必须顺序派遣而非并行。最终交付物是困惑矩阵，按受影响角色数量划分严重程度：6/6 或 5/6 为关键，3/6 或 4/6 为重要，1/6 或 2/6 为次要，并给出按优先级排序的修复建议。
regulars
Regulars 是面向网站验证的 Claude 插件技能，通过派出一组子代理（subagents）来模拟真实用户完成常见任务，例如浏览、订阅、购买和搜索。每个子代理都会扮演具有特定目标和性格的用户，使用浏览器 MCP 工具在网站上操作，尝试完成目标，并报告哪些环节出问题、哪些体验令人沮丧以及任务是否成功。其核心理念是“任务完成”——看用户能否做到他们来时想做的事情。Regulars 并非 QA 测试套件或专家审计，子代理不会查看源代码、不会检查每个元素，也不会按照测试矩阵执行，而是像真实用户一样尝试达成目标。该技能适用于上线前验证、部署后检查、重构后确认以及周期性检查关键路径等场景。使用流程强调按顺序派发代理（因为浏览器 MCP 共享单个浏览器实例），并在每个代理完成后报告通过/失败与主要问题，最终汇总为评分卡。
scenario-testing
Scenario-Driven Testing 是一个面向 AI 代码生成场景的测试技能，核心主张是“没有真实依赖通过场景验证的功能不算完成”。它要求用真实系统、真实数据编写端到端场景测试，禁止使用任何 mock，以避免 mock 带来的虚假信心。该技能适用于编写测试、验证功能、修复缺陷后确认代码可用等场景。使用方式包括：在 .scratch/ 目录下用任意合适语言编写零 mock 的场景脚本并加入 .gitignore；将可复用的场景模式提取到已提交的 scenarios.jsonl 中，每条一行 JSON，包含 name、description、given/when/then、validates 等字段；外部 API 需访问真实服务（可用沙箱/测试模式）；每个场景必须独立运行，不依赖其他场景先执行，以支持并行与 CI/CD。无效场景包括：含任何 mock、使用假数据而非真实存储、依赖其他场景先运行、从未实际执行验证通过。完成标准为：.scratch/ 中的场景零 mock 通过、真实依赖被实际调用、.scratch/ 保持在 .gitignore 中、稳健模式已提取到 scenarios.jsonl。
well-actually
Well, Actually... 是一个用于对网站或项目进行“吹毛求疵”式反馈的技能。它会派遣一组极其挑剔、固执己见的子代理，每个子代理专注于不同领域，专门挑出排版、语法、标准合规、技术选型、像素一致性等方面的毛病。其价值在于捕捉专业审查者会忽略、但互联网上爱挑刺的人一定会拿来吐槽的小问题。这不是专业审计，而是模拟网站登上 Hacker News 首页后会收到的反馈。
evaluate-skill
evaluate-skill 是 8090-inc/software-factory-plugin 提供的一个 AI 技能，用于跨模型层级对某个 AI 技能进行盲测评估，以判断其清晰度与健壮性。它读取指定技能文件与测试用例文件，校验测试用例是否为包含 input 和 expectedOutcome 字段的 JSON 对象数组。随后按 opus、sonnet、haiku 三个模型层级建立评估矩阵，并为每个层级、每个测试用例规划一次盲测运行。执行时从最高层级开始，依次为每个测试用例在该层级生成一个 test-subject 智能体，只向其提供技能内容和测试用例的 input，不提供 expectedOutcome，再收集其输出。评估阶段将每个测试输出与 expectedOutcome 比较，通过语义相似度判定是否通过（不要求输出完全一致，但须达成相同目标），并记录层级、测试用例索引、通过与否及输出摘要。最后生成改进报告：识别所有测试用例均通过的最低层级，即“清晰度下限”；对每个失败用例分析低层级智能体失败原因，如指令含糊、缺少上下文或假设、多步推理过于复杂、隐含知识要求等，并给出具体可执行的技能改进建议。报告按 Summary、Per-Tier Results、Failure Analysis、Recommendations 分节，最终输出给用户。
testing
该资料介绍在 langchainx（Rust）项目中对链（chain）与智能体（agent）进行离线测试的方法与工具。核心内容包括：提供 FakeLLM 假模型，通过队列预置响应并统计调用次数，用于确定性单元测试；当需要真实生成时，改用 Ollama 本地小模型（qwen2.5:0.5b、llama3.2:1b、phi3:mini），并用 local-llm-tests 特性开关单独控制；云端 API 测试保留 #[ignore]，需显式环境变量，且 CI 中不应使用 OPENAI_API_KEY 或 CLAUDE_API_KEY。还给出断言原则：本地模型测试验证任务完成与否而非具体措辞，以及模型选择建议与测试分层要求。
parallel-test-bench
Parallel Test Bench 是一个用于并行运行智能体（Agent）测试的基础设施技能，提供自动指标采集、程序化评分和基准聚合能力。它适用于需要对比多种方案、实现或配置的场景，例如 A/B 测试不同提示词、工具或设置，评估性能改进（前后对比），以及系统性地收集耗时与 token 用量指标并生成带统计分析的对比报告。该技能将测试流程划分为五个阶段：设置（定义测试配置与工作区结构）、并行启动（在单条消息中通过多个 Agent 工具调用同时启动所有智能体）、采集（从任务通知中捕获耗时与 token 指标）、评分（依据断言程序化评估输出）、聚合（生成基准报告与对比）。技能内置 grade_outputs.py、aggregate_benchmark.py、compare_outputs.py 等辅助脚本，并定义了 timing.json、grading.json、benchmark.json、benchmark.md 等产物格式。
appium mobile testing
Appium 移动测试技能，用于 iOS 和 Android 自动化测试，支持原生应用、混合应用（WebView）以及移动网页应用。提供 Appium 服务端配置、desired capabilities 设置与驱动初始化，涵盖 iOS 模拟器与 XCUITest 驱动配置、Android 模拟器与 UiAutomator2 驱动配置。具备手势处理（滑动、缩放、长按、多点触控及自定义手势序列）、移动端定位策略（Accessibility ID、Android UI Automator 选择器、iOS 谓词与类链）以及移动端断言（屏幕方向校验、应用状态验证）。可集成 BrowserStack、Sauce Labs 与 AWS Device Farm 等设备农场，支持本地模拟器与云端多设备测试。
eval-harness
eval-harness 是一个用于评估智能体（agent）与技能（skill）质量的测试框架，通过结构化基准测试、回归测试和质量评分来衡量表现。它支持定义带已知正确答案的测试用例，让智能体逐条运行并打分，评分维度包括准确性、完整性和一致性，并与基线表现对比、跟踪长期性能变化。该框架还提供技能质量测试、回归套件和流程验证能力，可用于新建或修改智能体/技能后的验证、定期质量审计，以及技能上线前的把关。
mcp-inspector-integration
MCP Inspector Integration 是一个用于调试和测试 MCP 服务器的技能，帮助开发者配置 MCP Inspector 连接、启用请求与响应日志、进行协议调试、创建测试场景并生成检查报告。它适用于需要排查 MCP 服务器通信问题、测试工具与资源处理器、检查协议消息以及验证 MCP 实现是否符合规范的开发场景。该技能接受服务器入口路径、传输类型（stdio、sse）和是否启用详细日志等输入参数，并提供配置示例、调试包装脚本、NPM 开发脚本和测试场景代码等生成模式。
protocol-conformance-testing
该技能用于验证嵌入式通信协议栈的一致性，覆盖 USB、CAN、Modbus、MQTT 以及行业标准协议的合规性检查。当前资料显示其实现尚未完成，仅有占位说明，暂未提供具体功能、使用方式、适用场景与限制等细节。
qt-test-fixture-generator
qt-test-fixture-generator 是一个用于为 Qt 应用生成测试基础设施的技能。它能够生成基于 QTest 的测试夹具，创建支持信号与槽的模拟 QObject，搭建使用 QFETCH 的数据驱动测试，配置基于 QTestLib 的 GUI 测试，生成 Qt 类的测试替身，设置基准测试，配置测试覆盖率报告，并生成 CMake 测试集成。该技能接收项目路径、待测类名、测试类型、需模拟的依赖类、数据提供者等输入，输出测试文件、模拟文件和 CMake 文件以及运行命令。
qt-widget-accessibility-audit
qt-widget-accessibility-audit 是一个用于审计 Qt Widget 与 Qt Quick 应用无障碍合规性的技能。它通过 QAccessible 接口和平台无障碍 API，检查 QAccessible 接口实现、键盘导航与焦点处理、屏幕阅读器兼容性、高对比度与颜色可访问性、文本缩放支持，以及可访问名称与描述，并可生成无障碍合规报告。支持按 basic、wcag-a、wcag-aa、wcag-aaa 等级审计，可指定 Windows、macOS、Linux 目标平台，并选择键盘、屏幕阅读器、视觉、焦点、标签、导航等检查类别。
requirements-verification
该技能用于航空航天领域的需求验证与确认矩阵管理，支持需求追溯矩阵创建、验证方法分配（T/A/I/D）、合规矩阵生成、需求覆盖分析、验证状态跟踪、证据关联管理、变更影响评估，以及与 DOORS/Jama 的集成。适用于从顶层到实现建立完整需求追溯、按需求类型分配验证方法、跟踪开发过程中的验证状态、将验证证据关联到需求、评估需求变更对设计与验证的影响，并生成用于设计评审和认证的合规报告。依赖 IBM DOORS、Jama Connect 及需求管理工具，并与 AE-018 需求验证矩阵、AE-021 认证规划流程集成。
safety-critical-testing
面向嵌入式系统的安全关键测试技能，声称依据 IEC 61508、ISO 26262 或 DO-178C 标准实施安全关键测试。资料当前为占位内容，标注实现待完成，未提供具体功能、用法、命令或限制。
Stryker Mutation Testing
Stryker Mutation Testing 是一个面向 Stryker 变异测试的技能，用于评估测试套件的质量与有效性。它通过向代码中引入变异并测量测试能否捕获这些变异，帮助识别测试断言薄弱、覆盖缺口等问题。该技能支持 JavaScript/TypeScript 的 Stryker 配置与执行、变异算子配置、变异分数分析、被杀灭与存活变异体追踪、HTML 报告与仪表盘集成、CI/CD 报告生成，以及增量变异测试和并行执行等优化手段。依赖 @stryker-mutator/core 及测试运行器与报告器插件，使用 stryker.conf.json 或 stryker.conf.js 进行配置。
playwright-cli
Playwright CLI 是一个基于 Playwright 的浏览器自动化命令行工具，面向编码智能体与自动化测试工作流，主打令牌高效（token-efficient）。它通过命令行完成打开页面、与元素交互、截图、导出 PDF、管理标签页、查看控制台与网络请求、运行 JS 代码片段、录制追踪以及会话管理等操作。安装方式为 npm install -g @playwright/mcp@latest，随后可用 playwright-cli --help 查看帮助。支持有头模式、会话隔离、环境变量与配置文件（playwright-cli.json）持久化设置，跨平台运行，需要 Node.js 18+。
tdd-workflow
tdd-workflow 是一个强制测试驱动开发（TDD）流程的技能，适用于编写新功能、修复缺陷或重构代码的场景。它要求先写测试再写实现代码，并保证单元测试、集成测试与 E2E 测试合计覆盖率不低于 80%，覆盖边界条件与错误场景。技能定义了从编写用户旅程、生成测试用例、运行测试确认失败（RED）、实现最小代码、再次运行测试通过（GREEN）、重构到验证覆盖率的完整步骤，并建议在 Git 仓库中为每个阶段创建检查点提交。
verify
verify 是 keel-workflow 中的统一验证 Skill，以质量审查员视角检查文档一致性、实现正确性、UI 设计对齐与开发就绪状态，标记偏差而非默认通过。它整合了原 devdocs-review、ms-requirements-alignment、devdocs-ui-alignment，提供四合一验证能力：--docs 检查各层文档对齐，--impl 检查代码是否满足 AC、设计与追溯，--ui 检查 UI 设计与实现对齐，--readiness 作为进入开发前的质量关卡。支持自动检测维度，也支持指定任务范围。所有发现按 P1/P2/P3 分级并给出修复路由。该 Skill 只读运行，不修改代码、文档或设计稿，仅生成验证报告。
evaluating-gameplay-balance
该技能用于从遥测数据评估并改进任意引擎中的游戏玩法平衡。它通过对比单调策略与探索策略的可比运行结果，判断游戏是否奖励技巧性玩法，并给出结构性改进建议。核心指标为 exploratory_ratio（探索策略最佳得分除以单调策略最高得分），仅作为质量检测器而非优化目标。技能强调经验护栏：拒绝即使指标改善但损害体验的改动，只对游戏内因果事件计分，游戏结束须与危险或世界状态崩溃挂钩，不得添加只影响测试代理的隐藏行为。工作流包括：定位或设计模拟测试框架、以确定性种子运行两类策略、校验报告是否包含运行配置及死亡/生成/计分/输入遥测、分析模式、定位规则或生成逻辑根因、提出至少三种候选修复方案（含预期影响、风险与复杂度），并在实施后用相同策略、种子、预算和聚合方式复测。当报告包含 ratio.diagnostic 时，按 mono_dominant、tied、marginal 三种情形进行分诊。技能附带多份参考文档，并可与 Godot 相关技能配合使用。
webapp-testing
这是一个用于与本地 Web 应用交互并进行测试的工具包，基于 Playwright 实现。它支持验证前端功能、调试 UI 行为、捕获控制台日志等。工具包提供辅助脚本 scripts/with_server.py 来管理服务器生命周期（支持同时启动多个服务器），并建议以黑盒方式直接调用脚本、先用 --help 查看用法。测试时通过编写原生 Python Playwright 脚本，采用“先侦察后操作”的模式：等待 networkidle、截图或检查 DOM、识别选择器、再执行操作。适用于本地静态 HTML 与动态 Web 应用的自动化测试场景。
pytest-patterns
pytest-patterns 是一个面向 Python 的 pytest 测试模式技能，用于生成以行为驱动为核心的测试代码。它聚焦 pytest 的具体机制，包括 fixtures 作用域管理、异步测试、参数化、mock 与框架配置，并可作为 testing:test-writer 的技术上下文使用。技能强调测试可观察行为而非实现细节，提供 BDD 命名约定、AAA 结构、工厂 fixture、mock 补丁位置规则、conftest 执行顺序与重型依赖 mock 等实践指导，同时列出常见反模式及对应做法。适合编写或重构 Python 测试时参考，具体收费、平台与使用步骤暂未提供。
review-consolidation
Review consolidation 是一个代码审查整合技能，用于将原生审查发现与证据来源进行合并，并进行交付核算与对抗性验证。它接收变体、准备好的简报/上下文/选择、原生审查者结果以及交付账本，输出既有原生审查报告加项目结果信封。该技能保留原生报告规范，使用现有审查契约整合发现，不引入新的发现模式。使用时需读取技能内的 stack-findings.md、加载 senior-review:review-quality-gates 等技能、运行 validate-usage 校验知识使用，并保持来源角色、原生严重级别、前提与证据来源的可追溯性。