mcpField
P
production-verification

production-verification

github.com/naodeng测试与质量28538 次安装今天更新
代码仓库

关于 production-verification

面向生产变更验证与风险评审的 Skill,指导工程师在受控风险下检查发布、配置或修复,并基于证据形成可执行结论。输入不完整时也能提供标注假设和缺口的初版。

主要功能

  1. 01按风险与证据强度排序
  2. 02区分事实、假设与信息缺口
  3. 03覆盖部署、关键旅程和数据一致性
  4. 04提供可验证标准与改进项

适用场景

  1. 01验证生产发布是否达到预期
  2. 02评审修复方案及其潜在副作用
  3. 03输入有限时形成受限验证计划

安装

复制下面的命令,在终端中运行。

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

安装后在 Claude Code 中输入/production-verification确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

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

详细介绍

来自项目 README

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。

评论

支持 Markdown