SKILLEMALL.ai

BC qa-req-deconstruction

Систематически разбивайте расплывчатые описания требований на пять тестируемых измерений: ввод, операция, состояние, вывод и правила. Одновременно выявляйте скрытые и производные требования, которые "не написаны, но должны быть выполнены", помимо явных требований. Используйте этот навык, когда описание требования состоит всего из одного-двух предложений или функция кажется простой, но вы можете что-то упустить. Навык применяется как второй шаг любой задачи тестирования: независимо от того, насколько подробна документация по требованиям, после декомпозиции всегда можно обнаружить пробелы. Каждое требование имеет уникальный ID (REQ-{сокращение модуля}-{порядковый номер}). Сценарии использования: анализ этого требования, декомпозиция требования, выявление скрытых требований, исследование требований, анализ требований, разбивка требования, извлечение бизнес-правил, нечеткие требования, требующие глубокого анализа.

машинный переводПоказать оригиналСкрыть оригинал«将模糊的需求描述系统化拆分为输入、操作、状态、输出、规则五个可测试维度,同时挖掘显性需求之外的那些"没写出来但必须满足"的隐性需求和衍生需求…»

将模糊的需求描述系统化拆分为输入、操作、状态、输出、规则五个可测试维度,同时挖掘显性需求之外的那些"没写出来但必须满足"的隐性需求和衍生需求。当用户的需求描述只有一两句话、或者看起来功能很简单但你可能遗漏了什么的时候,一定要用此技能做深度解构。适用于任何测试任务的第二步骤——无论需求文档有多详细,解构之后总能发现盲区。每条需求带唯一 ID(REQ-{模块缩写}-{序号})。 触发场景:分析这个需求、需求解构、挖掘隐含需求、需求挖掘、需求分析、拆解需求、业务规则提取、需求模糊需要深挖时。 Use when the user asks about: deconstructing a vague requirement into testable dimensions — inputs, operations, states, outputs, and rules — plus mining implied and derived requirements.

ClawHub Agent Skills автор: kokxi v1.8.0 MIT-0 5 файлов тело ≈ 879 токенов Открыть источникclawhub.ai↗ проанализирован 11 дн назад

Систематически разбивайте расплывчатые описания требований на пять тестируемых измерений: ввод, операция, состояние, вывод и правила.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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

    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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 879 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
    • +2Инструкции на одном языке
    • +3Длина description 432 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill is a requirement-analysis template with disclosed file/URL reading needs and no evidence of hidden execution, exfiltration, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 сент. 2026 г.