SKILLEMALL.ai

AC gz-media-tester

Универсальный помощник по тестированию Guangzhou Daily/Rongmei Cloud. Специально разработан для тестирования платформы Rongmei Cloud и издательской группы Guangzhou Daily. Охватываемые сценарии: (1) Функциональное тестирование системы управления бэкэндом платформы Rongmei Cloud города Гуанчжоу (CMS/редактирование/операционный бэкэнд); (2) Функциональное тестирование, тестирование производительности, тестирование совместимости приложения Guangzhou Rongmei Cloud (Android/iOS/HarmonyOS); (3) Функциональное тестирование, тестирование производительности, тестирование совместимости приложения Guangzhou Daily New Huacheng (Android/iOS/HarmonyOS); (4) Тестирование доступности и совместимости H5-страниц, ссылок на мероприятия; (5) Функциональное тестирование мини-программ WeChat/AliPay; (6) Автоматизированное тестирование бэкэнд-интерфейсов (API); (7) Генерация тестовых случаев, вывод отчетов о тестировании, написание отчетов об ошибках. Ключевые слова срабатывания: тест, smoke test, regression test, interface test, app test, H5 test, mini program test, Rongmei Cloud test, New Huacheng test, test case, test report, bug report.

машинный переводПоказать оригиналСкрыть оригинал«广州日报/融媒云通用测试助手。专为广州日报报业集团及广州市区融媒云平台的测试工作设计。 覆盖场景: (1) 广州市区融媒云平台后台管理系统(…»

广州日报/融媒云通用测试助手。专为广州日报报业集团及广州市区融媒云平台的测试工作设计。 覆盖场景: (1) 广州市区融媒云平台后台管理系统(CMS/采编/运营后台)功能测试 (2) 广州融媒云APP(Android/iOS/HarmonyOS)功能、性能、兼容性测试 (3) 广州日报新花城APP(Android/iOS/HarmonyOS)功能、性能、兼容性测试 (4) H5页面、活动链接可用性与兼容性测试 (5) 微信小程序/支付宝小程序功能测试 (6) 后端接口(API)自动化测试 (7) 测试用例生成、测试报告输出、Bug单撰写 触发关键词:测试、test、冒烟测试、回归测试、接口测试、APP测试、H5测试、小程序测试、融媒云测试、新花城测试、测试用例、测试报告、Bug单

ClawHub Agent Skills автор: zaimingwang v1.0.0 MIT-0 10 файлов тело ≈ 347 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Универсальный помощник по тестированию Guangzhou Daily/Rongmei Cloud.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 347 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 343 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Справочные файлы упоминаются в инструкциях (5 из 5)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a coherent QA testing helper, but it can send live test traffic and may auto-install a Python dependency if requests is missing.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.