SKILLEMALL.ai

AC qa-tech-selection

Используйте этот навык, когда команда выбирает инструменты для тестирования (фреймворки автоматизации/инструменты производительности/платформы управления), существующие инструменты не удовлетворяют требованиям и нуждаются в замене, или компания требует технической оценки. Проведите многомерное сравнительное исследование (покрытие функций/сложность обучения/активность сообщества/стоимость обслуживания/масштабируемость) и предоставьте рекомендуемые решения с предложениями по миграции и внедрению. Не полагайтесь только на квадранты Gartner или рекомендации технических инфлюенсеров — эффективность инструмента зависит от возможностей вашей команды, технологического стека и реальных сценариев. Каждое рекомендуемое решение должно сопровождаться планом проверки POC и предупреждениями о рисках. Сценарии использования: выбор технологий, выбор инструментов, выбор фреймворка, какой инструмент использовать, сравнение инструментов, когда существующие инструменты не удовлетворяют требованиям и нуждаются в замене.

машинный переводПоказать оригиналСкрыть оригинал«当团队要选测试工具(自动化框架/性能工具/管理平台)、现有工具不能满足需求需要替换、或者公司要求做技术评估时使用此技能。通过多维度对比评估(…»

当团队要选测试工具(自动化框架/性能工具/管理平台)、现有工具不能满足需求需要替换、或者公司要求做技术评估时使用此技能。通过多维度对比评估(功能覆盖/学习成本/社区活跃度/维护成本/扩展性)输出推荐方案和迁移实施建议。不要只看 Gartner 象限或者技术网红推荐——工具好不好取决于你的团队能力、技术栈和实际场景。每个推荐方案附带 POC 验证计划和风险提示。 触发场景:技术选型、工具选择、框架选择、用什么工具、工具对比、现有工具不能满足需求需要替换时。 Use when the user asks about: evaluating and selecting QA tooling — automation frameworks, performance tools, and management platforms — and planning the migration.

ClawHub Agent Skills автор: kokxi v1.8.0 MIT-0 3 файла тело ≈ 728 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Используйте этот навык, когда команда выбирает инструменты для тестирования (фреймворки автоматизации/инструменты производительности/платформы управления)…

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

АнализаторPlaywrightРазработкаОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
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: 3. 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: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 728 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
    • +2Инструкции на одном языке
    • +3Длина description 394 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    The skill is a coherent QA tool-selection guide, but it recommends an unpinned external skill-bundle install that could change the agent's behavior beyond this skill.
    LLM: suspicious (high) · VirusTotal: · 29 сент. 2026 г.