Skills
收录 97,501 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。
测试与质量
适用于代码 hotfix、回滚替代方案、生产/安全/法律修复、发布阻塞项或硬性外部截止日期主张加急评审或放宽流程时。仅在资格判定时触发于 "emergency change"、"hotfix"、"prod incident"、"major security hole"、"must ship today"、"hard deadline"、"bypass review" 或 "fast-track this PR"。不触发于一般性紧急、软性截止日期、周五时间点、管理者施压、时区延迟,或紧急状态存在争议之外的评审。
对已完成工作进行对抗性验证。将任何“完成”视为一组断言,然后重新运行所声称的验证,对比实际变更的内容,检测被弱化的测试与虚假的完成声明,并给出基于证据的裁决(VERIFIED / VERIFIED WITH CAVEATS / REFUTED)。在任何 Agent 或模型声称工作完成后使用——“/fable-judge”“judge this work”“verify what it did”“did that actually work?”。还可通过“/fable-judge suite TARGET”对某个技能或模型运行 fable-method 陷阱测试套件。
在编写单元测试、集成测试、创建测试夹具,或用 bench run-tests 运行测试时使用。可防止因缺少夹具导致的测试不稳定、测试隔离不当,以及测试基类选择错误。涵盖 frappe.tests.utils、IntegrationTestCase、UnitTestCase、测试夹具、bench run-tests 参数、测试命名约定。关键词:unit test、integration test、IntegrationTestCase、fixtures、bench run-tests、frappe.tests、test_*.py、how to write test、test fixtures、run tests、test fails、bench run-tests example。
通过 `metaharness learn` 运行 GEPA 学习循环(上游 ADR-235,[email protected])——针对 SWE-bench 风格的切片清单优化 harness 基因组。默认 $0 试运行;`--run` 是显式付费的选项。需要 metaharness 仓库检出(`--repo` 或 $METAHARNESS_REPO)——没有则报告 `checkout-required` 并附克隆说明。当 metaharness 缺失时优雅降级。
端到端地使用 Playwright 进行浏览器自动化:编写并调试 E2E 测试套件(稳健的定位器、网络拦截与模拟、并行 worker、可访问性快照检查),将其接入 CI,并通过 extract -> validate -> save 循环驱动无头浏览与抓取。在编写、运行、修复或用 Playwright 抓取时,在需要排查 Playwright CI 失败或 JSON 报告时,或在需要让内置的 pwrun 脚本分析一次运行时使用。不适用于 QA 策略或测试框架选型(转到 qa-methodology)、前端组件或架构设计(转到 frontend-engineering),或绕过 Cloudflare/DDoS-GUARD 挑战(使用 flaresolverr)。
读取合作伙伴的 Agent 代码库,按 12 维目录打分,并生成带证据引用的 markdown 及品牌化评分 HTML 报告。用于首次接触式审计:assess/review/audit our agent、where to improve、spot low-hanging fruit、an honest read of what's weak、what Ratel would notice,或 `/ratel-assessment`。除非接入实时遥测样本(任何 OTLP/OTel 后端——Ratel、Langfuse、LangSmith)作为 MCP,否则仅做静态分析;写入 <repo>/.ratel/,不修改代码;路由到后续的 Ratel 技能。
对单个 Rust crate 进行端到端深度审计——读取每个文件,不要抽样:枚举并通读整个 crate,运行其 `cargo test`,检查现有的 `.ulpi/issues/<crate>.md` 以避免重复,然后写入或追加有证据支撑的发现(正确性、panic、校验、竞态、数据损坏、覆盖率缺口),每项都带有严重程度和确切的 file:line——以独立推理预算的派生分析工作流运行,与主流程隔离。只有确实读完了整个 crate 才有效;每条发现都基于真实的 file:line 证据,不确定的结论标注为 INFERENCE,绝不凭直觉臆造问题,也不在本仓库的 issue 文件之外写入。当用户要求对单个 Rust crate 进行深度审查时使用。
在审查/评判已完成的功能规格说明、以判定工程能否据此规划并构建时使用——这是一道验收关卡,而非编写。位于 PRD 之下。依据单一来源的 10 项可实施性 + 可测试性标准进行评判:每个功能都追溯到某项 PRD 需求(无孤立项/遗漏);行为无歧义且可观测;输入输出 + 状态完整(有状态时需状态转移表);每个边界情况都说明其处理方式;验收标准可测试(Given/When/Then,或对概率性/ML 功能使用指标阈值);单一且一致;承载性非功能需求带有数值目标;修订时以限定范围的增量进行评审;开放问题被明确提出。EARS、决策表和原型叠加是编写辅助手段,按结果评判,绝不强制要求。仅输出 `VERDICT: approve|revise` 及发现项——符合标准的规格说明予以批准(不会对单薄的规格说明误判为 revise),仅在有真实、具名的缺口时要求修订。不用于编写、上游 PRD、设计文档(ADR/RFC)或其他类型。
在量产前对供应商样品执行 25 项质量控制测试。捕捉那些最终会变成 18% 退货率和滞销库存的缺陷。生成给供应商的回复信息,列出放行 PO 前必须完成的具体整改。适用于用户提到 Alibaba 样品、供应商样品、样品 QC 或量产前的场景。触发短语:"Amazon supplier sample"、"Alibaba sample evaluation"、"sample QC"、"before mass production"、"supplier quality test"。零工具即可运行。
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
