mcpField
C
completion-check

completion-check

github.com/parcadei测试与质量3.9k491 次安装39 周前更新
代码仓库

关于 completion-check

completion-check 是一项用于基础设施开发的技能,帮助开发者在完成前确认实现已接入系统并实际运行。它通过执行路径追踪、配置核验和端到端测试发现未调用代码或错误后端。

主要功能

  1. 01追踪从入口到执行的路径
  2. 02核对 Hook 注册与配置
  3. 03检查数据库后端连接
  4. 04端到端验证基础设施调用
  5. 05查找未使用实现与平行系统

适用场景

  1. 01确认新建基础设施已接入执行流程
  2. 02验证 Hook 已在设置中注册
  3. 03检查数据库配置是否使用预期后端
  4. 04排查已实现但未调用的代码

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/parcadei/continuous-claude-v3 --skill completion-check

安装后在 Claude Code 中输入/completion-check确认已加载。

详细介绍

完成检查:验证基础设施已接入

构建基础设施时,务必确认它已实际接入系统,再将其标记为完成。

模式

基础设施并非写完代码就算完成——只有接入系统并投入使用,才算完成。死代码(已构建但从未调用)只会白费功夫。

应该做

  1. 追踪执行路径——从用户意图一路跟踪到实际代码执行:

    # Example: Verify Task tool spawns correctly
    grep -r "claude -p" src/
    grep -r "Task(" src/
    
  2. 检查钩子是否已注册,而不仅仅是已实现:

    # Hook exists?
    ls -la .claude/hooks/my-hook.sh
    
    # Hook registered in settings?
    grep "my-hook" .claude/settings.json
    
  3. 验证数据库连接——确保基础设施使用了正确的后端:

    # Check connection strings
    grep -r "postgresql://" src/
    grep -r "sqlite:" src/  # Should NOT find if PostgreSQL expected
    
  4. 进行端到端测试——运行功能并验证基础设施确实被调用:

    # Add debug logging
    echo "DEBUG: DAG spawn invoked" >> /tmp/debug.log
    
    # Trigger feature
    uv run python -m my_feature
    
    # Verify infrastructure was called
    cat /tmp/debug.log
    
  5. 搜索无调用方的实现:

    # Find functions defined but never called
    ast-grep --pattern 'async function $NAME() { $$$ }' | \
      xargs -I {} grep -r "{}" src/
    

不应该做

  • 未测试执行路径就将基础设施标记为“完成”
  • 想当然地认为代码只要存在就已接入
  • 构建并行系统(Task 工具与 claude -p spawn)
  • 使用错误的后端(架构设计采用 PostgreSQL,却使用 SQLite)
  • 跳过端到端测试(“能编译”≠“能运行”)

完成检查清单

在宣布基础设施完成之前:

  • 已从入口点追踪执行路径至基础设施
  • 已确认钩子已在 .claude/settings.json 中注册
  • 已确认使用了正确的数据库/后端
  • 已运行端到端测试,证明基础设施已被调用
  • 已搜索死代码或并行实现
  • 已检查配置文件与实现相符

示例:DAG 任务图

错误做法:

✓ Built BeadsTaskGraph class
✓ Implemented DAG dependencies
✓ Added spawn logic
✗ Never wired - Task tool still runs instead
✗ Used SQLite instead of PostgreSQL

正确做法:

✓ Built BeadsTaskGraph class
✓ Wired into Task tool execution path
✓ Verified claude -p spawn is called
✓ Confirmed PostgreSQL backend in use
✓ Tested: user calls Task() → DAG spawns → beads execute
✓ No parallel implementations found

源会话

  • 本次会话:发现架构缺口——DAG 已构建但未接入,运行的是 Task 工具而非 spawn,使用的是 SQLite 而非 PostgreSQL

评论

支持 Markdown