SuperAPI AI 工具集

quality-baseline

测试与质量

查看项目

更新于 10-16 08:21

技能介绍

用途

Quality Baseline 用于在开展质量工作之前,为一个代码仓库建立基线。当被要求审计可维护性、可靠性、性能、安全、测试质量、技术债或代码质量时可以使用它。它的定位是“建立证据账本,而不是给出通用评分”。资料特别指出:仓库中缺失某项已提交的控制,只能说明“可见仓库证据中存在缺口”,并不构成组织层面不存在该控制的证据。

主要能力

该技能按五个步骤组织工作,并给出每步的完成标准:

1. 冻结仓库身份

记录仓库路径、远端身份、HEAD、分支、工作区状态、技术栈、包管理器、指令文件、CI 工作流以及确切的验证命令。同时保留无关改动。完成标准是:另一位读者能够复现所检查的状态与命令。

2. 绘制关键路径与控制措施

追踪用户可见路径与运维路径中一旦失败会造成影响的路径。对每条路径,梳理:功能契约与外部规范;测试层级以及是否真正触及真实边界;延迟、吞吐、内存或体积方面的可观测性;超时、重试、取消、清理、恢复与过载行为;依赖、密钥、信任边界与发布控制;受支持的运行时、操作系统、渲染器或协议面。历史、变更频率与变更耦合只能作为优先级排序的证据,文件大或频繁修改本身并不是缺陷。完成标准是:每条关键路径都有一份有证据支撑的控制图,或明确标注出一个验证缺口。

3. 证明或驳回发现

对每一个候选缺口,记录:确切证据与受影响的契约;可能的失败与影响;置信度与重要未知项;最小可用验证方式;修复成本与回归风险。对以下情况应予以驳回:无法关联到失败、变更安全成本、可度量瓶颈或违反仓库规则的代码坏味道;缺少工作负载与可度量症状的优化主张;没有指明测试必须检测什么的“加测试”建议。完成标准是:每个保留的发现都有验证路径,每个被调查后驳回的项都有理由。

4. 排序试点工作

按影响、证据强度、验证成本、修复风险与可逆性排序。倾向于选择一个结果可度量的有界试点。分流方式为:已度量的瓶颈流向 performance-proof;回归保护薄弱流向 test-strength;失败路径暴露流向 resilience-audit;选定的缺陷流向仓库的 triage 工作流。完成标准是:首要建议需写明契约、证据、首个实验、停止条件与预期验证。

5. 交付基线

返回质量矩阵、关键路径图、排序后的发现、被驳回的发现、验证缺口以及下一步试点。当用户要求持久化或可重复的基线时,包含机器可读表示。该技能明确要求:不要在此技能下修改目标源代码。完成标准是:报告区分证据、推断与未知,且不包含合成式的全局质量评分。

使用方式

该技能以仓库为对象开展工作,需要先记录仓库身份与验证命令,再沿关键路径梳理控制与证据,随后对发现逐条证明或驳回,最后排序试点并输出基线报告。具体调用方式、安装命令与运行参数暂未提供。

适用场景

  • 在质量工作开始前为仓库建立基线;
  • 被要求审计可维护性、可靠性、性能、安全、测试质量或技术债;
  • 需要以证据为基础,而非以代码坏味道或主观印象为基础提出改进建议;
  • 需要区分证据、推断与未知,并避免合成质量评分的评审场景。

限制

  • 缺失的已提交控制仅表示可见证据缺口,不能据此推断组织层面不存在该控制。
  • 文件大或频繁修改本身不构成缺陷,只能作为优先级排序证据。
  • 缺少工作负载与可度量症状的优化主张应被驳回。
  • 不指明检测目标的“加测试”建议应被驳回。
  • 该技能不修改目标源代码。
  • 资料未提供收费、价格、平台支持情况与具体安装方式。