mcpField
P
production-verification

production-verification

github.com/naodengテスト・品質28538 回インストール今日更新
リポジトリ

production-verification について

本番変更の検証とリスクレビューを支援する、エンジニニア向けのスキルです。リリースや設定変更、修正を証拠に基づいて確認し、情報が不十分な場合も前提と不足を示した初版を作成します。

主な機能

  1. 01リスクと証拠の強さで優先順位付け
  2. 02事実・仮定・不足情報の区別
  3. 03デプロイ、主要な利用経路、データ整合性の確認
  4. 04検証可能な基準と改善項目の提示

活用シーン

  1. 01本番リリースが期待どおりか確認
  2. 02修正案と副作用の可能性をレビュー
  3. 03限られた入力から暫定検証計画を作成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/naodeng/awesome-qa-skills --skill production-verification

インストール後、Claude Code で/production-verificationを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
evals/
eval.yaml
evals/cases/
basic-success.yaml
edge-incomplete-input.yaml
edge-risk-priority.yaml
review-approved-write-cleanup-failure.yaml
review-read-only-plan.yaml
prompts/
production-verification.md

詳細

プロジェクトの README より

生产验证(中文版)

何时使用

  • 需要在受控风险下验证生产发布、配置或修复是否达到预期且未引入副作用。
  • 需要对现有方案、结果或证据做风险评审,并形成可执行改进项。
  • 输入不完整,但仍需先给出带假设和信息缺口的可用初版。

输出格式选项

  • 默认输出 Markdown,适合评审、执行和持续补充。
  • 用户要求表格、CSV、JSON 或工单格式时,保留同样的风险、证据、优先级和边界字段。
  • 若输出会进入自动化流程,先确认字段 schema、枚举值和必填项。

如何使用

  1. 先阅读并遵循 prompts/production-verification.md 的输入、执行规则、最低覆盖清单和输出顺序。
  2. 补充真正影响判断的范围、环境、版本、限制、证据和成功标准。
  3. 先做输入审计,再区分已确认事实、合理假设和待确认问题。
  4. 按风险和证据强度排序,产出可直接执行、评审或验证的结果。
  5. 信息不足时不要停在提问:先交付受限初版,并说明哪些结论暂不能成立。

参考文件

  • 每次执行必须读取 prompts/production-verification.md;它是本 Skill 的完整执行规范。
  • 需要评测或回归本 Skill 时,读取 evals/eval.yaml 与匹配的 evals/cases/ 用例。
  • 只有目录实际存在且任务需要时,才读取 references/、examples/、scripts/ 或 output-formats.md,不要假设不存在的资产。

核心约束

  • 默认先只读再低风险写入
  • 必须使用批准账户和可清理数据
  • 出现停止条件立即终止并升级
  • 不编造输入中不存在的系统行为、字段、数据、指标或根因。
  • 关键结论必须关联证据;证据不足时标记为假设并给出验证方法。
  • 优先级必须说明业务影响、发生可能性或可探测性依据。

交付前自检

  • 已覆盖:部署健康、关键旅程、读写副作用、数据一致、权限、监控、依赖、回滚触发。
  • 已区分事实、假设、缺口和建议。
  • 高风险项有明确优先级、证据、负责人或下一步。
  • 输出包含可验证的判断标准,而非泛泛而谈。
  • 未执行未经授权的生产写操作或破坏性动作。

常见误区

  • 只列检查点,不说明输入条件、预期结果或证据。
  • 把所有事项都标为高优先级,失去取舍价值。
  • 用工具名或通用理论替代领域判断。
  • 输入不完整时直接拒绝,或反过来假装结论已经确定。

最佳实践

  • 从最可能造成业务损失、安全问题或发布阻塞的路径开始。
  • 用最小可验证实验缩小不确定性,并记录复现条件。
  • 让输出能够被另一位工程师直接执行和复核。

コメント