mcpField
D
discover-testing

discover-testing

github.com/naodengTesting & quality29287 installsUpdated 2d ago
Repository

About discover-testing

A routing skill that helps QA select suitable testing skills, especially when a request spans multiple testing areas or stages. It uses a capability inventory and structured routes to recommend one primary skill and at most one supporting skill, while noting availability limits.

Key features

  1. 01Match skills to testing goals
  2. 02Check canonical IDs and availability
  3. 03Recommend one primary and up to one supporting skill
  4. 04Explain the choice and next handoff
  5. 05Distinguish catalog presence from availability

Use cases

  1. 01Choose a skill for a testing request
  2. 02Route requests spanning testing stages
  3. 03Check whether a target skill is callable
  4. 04Select primary and supporting skills for specialized QA

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/naodeng/awesome-qa-skills --skill discover-testing

After installing, type/discover-testingin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

output-formats.md
README.md
agents/
openai.yaml
evals/
eval.yaml
evals/cases/
basic-success.yaml
capability-stage-routing.yaml
edge-incomplete-input.yaml
edge-narrow-recommendation.yaml
review-authn-neighbor.yaml
review-authz-neighbor.yaml
review-rag-retrieval-neighbor.yaml
review-regression-selection-neighbor.yaml
route-ai-feature.yaml
route-api-delivery.yaml
route-change-regression.yaml
route-new-feature-quality.yaml
route-one-page-test-strategy.yaml
route-performance-decision.yaml
evals/fixtures/scripts/
check_router_selection.sh
evals/graders/
review-authn-neighbor.py
review-authz-neighbor.py
review-rag-retrieval-neighbor.py
review-regression-selection-neighbor.py
output-templates/
template-csv.csv
template-excel.tsv
template-json.json
template-markdown.md
template-word.md
template-xmind.md
prompts/
discover-testing.md

Details

From the project README

测试技能路由（中文版）

英文版： 见对应英文技能。

何时使用

  • 需要在执行前先判断应该用哪个测试 skill。
  • 一个请求同时涉及多个测试方向或多个阶段。

全量清单与可用性

先读取 references/skill-capability-inventory.json 检查精确 canonical ID。该文件是 2026-10-12 目录快照，165 个 ID 的目录存在不等于当前 Host 已安装/可调用；安装证据缺失则 availability=UNKNOWN，用户明确未安装则 UNAVAILABLE。命中专项产出（认证 vs 授权、检索 vs 回答质量、影响范围 vs 回归选择）时优先匹配专项，只有意图相符才套通用 Composition 路线。仍只给一个主 Skill 和至多一个辅助；目标不可用时说明缺口与最小安装/交接动作，不宣称已调用。

执行流程

  1. 先读取同目录 reference.md，优先匹配其中一条结构化路线；该文件是独立安装时唯一需要的 Composition 参考。
  2. 再读用户请求，识别能力阶段（Core QA / Engineering QA / Production Quality / AI Native QA）与主要测试目标。
  3. 阅读并遵循 prompts/ 路由规范：先选 1 个主 skill；仅必要时再补 1 个辅助 skill。
  4. 输出路由结论后，把请求交给目标 skill；不要在本 skill 内把整件事执行完。

核心约束

  • 一次只推荐少量 skill，避免菜单式罗列。
  • 目标 skill 已经很明显时，直接指出，不要无效绕路。
  • 路由结果要可执行：写清推荐 skill 名与理由。
  • 路由优先使用 Composition route 的主/辅唯一约束；组合关系只用于导航，不表示安装依赖或强制执行链。
  • AI for QA 使用 ai-assisted-testing；Testing for AI 属于 AI Native QA。路线图中的未来 Skill 未安装前，不得把它们当作可调用主推荐。

按需加载

  • 产出前必须阅读并遵循 prompts/discover-testing.md（最低覆盖清单、输出结构、质量要求）。
  • 需要 Excel/CSV/JSON/Word 等格式时：读 output-formats.md，并按用户格式要求输出。
  • 需要套用现成模板时：读 output-templates/ 中匹配的模板，不要自创冲突结构。
  • 需要格式转换或辅助校验时：优先使用 scripts/ 中已有脚本，而不是重写一遍。
  • 需要评测/回归本 skill 时：使用 evals/，并用 skill-up 校验与运行。
  • 需要步骤与提示词映射时：继续使用本目录的 reference.md，不要通过相对链接读取其他 Skill 的内部文件。

交付前自检

  • 已遵循主提示词的输出结构
  • 最低覆盖关注：主要目标、最适合的主 skill、可选辅助 skill、为什么这么选、下一步怎么接着做（细节以主提示词为准）
  • 已覆盖最低清单，或标明为何省略
  • 高风险项有明确优先级
  • 未编造用户未提供的细节
  • 假设与信息缺口已标明

常见误区

  • 不要一次推荐很多 skill。
  • 不要把技能选择写成具体测试执行。
  • 不要在信息不足时假装已经选定且可落地。

Comments

Markdown supported