testability-analysis について
要件やシステムの制御性、観測性、分離性、再現性を評価するエンジニア向けのテスタビリティ分析スキルです。アーキテクチャモードでは依存関係やテスト接点、障害注入箇所も調べ、改善案には価値とコストを示します。
主な機能
- 01観測性、制御性、分離性の評価
- 02決定性、テストデータ、環境一貫性の確認
- 03アーキテクチャモードで依存関係とテスト接点を分析
- 04障害注入と自動化インターフェースの確認
- 05改善案の価値、コスト、根拠の提示
活用シーン
- 01要件やシステムのテスト準備度を評価
- 02アーキテクチャのテスト接点と依存関係をレビュー
- 03分離性と障害注入能力の改善点を特定
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 testability-analysisインストール後、Claude Code で/testability-analysis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.yamlevals/eval.yamllocal-rules.jsontrigger-prompts.csvevals/cases/architecture-incomplete-input.yamlarchitecture-success.yamlarchitecture-unsafe-seam-boundary.yamlbasic-success.yamledge-incomplete-input.yamledge-risk-priority.yamlreview-actual-design-safe-seams.yamlreview-existing-seam-control.yamlprompts/testability-analysis.md詳細
プロジェクトの README より可测试性分析(中文版)
何时使用
- 需要评估需求与系统在可控制、可观察、可隔离和可复现方面的测试准备度。
- 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
- 先阅读并遵循
prompts/testability-analysis.md的输入、执行规则、最低覆盖清单和输出顺序。 - 补充真正影响判断的范围、环境、版本、限制、证据和成功标准。
- 先做输入审计,再区分已确认事实、合理假设和待确认问题。
- 当任务要求
architecture-testability-review或architecture模式时,先从架构制品、依赖拓扑、异步边界、测试接缝、替身策略、故障注入入口和环境复现分析,再保留通用可测试性维度。 - 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。
- 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/testability-analysis.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。 - 需要回归
architecture-testability-review时使用architecture-*Eval 和本地触发数据;仍复用本 Skill 的物理目录,不创建别名目录。
核心约束
- 不要把测试框架选择当测试性本身
- 每项改进说明价值和成本
- 避免为测试暴露不安全后门
architecture模式必须用架构级来源支撑接缝、替身、隔离和故障注入判断;不把框架名称当作可测试性证据。- 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:可观察性、可控制性、隔离、确定性、数据准备、故障注入、环境一致、自动化接口。
- 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
Markdown 対応