SKILLEMALL.ai
GitHub ↗ EN Войти

AC agentic-browser-testing

Целевое E2E-тестирование, при котором браузерный агент (Playwright MCP / computer-use) читает цель на естественном языке и исследует приложение через дерево доступности для проверки результатов — без предварительно написанного скрипта. Охватывает случаи, когда целевое тестирование превосходит скриптовое, делая запуски агента детерминированными (закрепленная модель, температура 0, начальные данные, ограниченные шаги, явное утверждение успеха, снимок, а не пиксель), контроль затрат/задержки, модель взаимодействия, ориентированную на дерево доступности, управление CI и переход стабильного запуска к скриптовому тесту Playwright. Используйте, когда: «agentic browser test», «goal-driven browser test», «let an agent explore the app», «natural-language E2E», «browser agent smoke test», «Playwright MCP test». Не для: написания/поддержки детерминированных скриптовых тестов Playwright — для этого есть playwright-automation. Тестирования СОБСТВЕННЫХ LLM-функций вашего продукта — для этого есть ai-system-testing. Связанные: playwright-automation, ai-system-testing, exploratory-testing, test-reliability, qa-project-context.

машинный переводПоказать оригиналСкрыть оригинал«Goal-driven E2E testing where a browser agent (Playwright MCP / comput…»

Goal-driven E2E testing where a browser agent (Playwright MCP / computer-use) reads a natural-language goal and explores the app via the accessibility tree to assert outcomes — no pre-written script. Covers when intent-driven beats scripted, making agent runs deterministic (pinned model, temperature 0, seeded data, bounded steps, explicit success assertion, snapshot-not-pixel), cost/latency control, the accessibility-tree-first interaction model, CI gating, and graduating a stable run into a scripted Playwright test. Use when: "agentic browser test," "goal-driven browser test," "let an agent explore the app," "natural-language E2E," "browser agent smoke test," "Playwright MCP test." Not for: Writing/maintaining deterministic scripted Playwright tests — that is playwright-automation. Testing your product's OWN LLM features — that is ai-system-testing. Related: playwright-automation, ai-system-testing, exploratory-testing, test-reliability, qa-project-context.

petrkindlmann/qa-skills Agent Skills автор: petrkindlmann MIT 3 файла тело ≈ 4 252 токенов Открыть источникgithub.com↗ проанализирован 26 ч назад

Целевое E2E-тестирование, при котором браузерный агент (Playwright MCP / computer-use) читает цель на естественном языке и исследует приложение через дерево…

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

ГенераторPlaywrightИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
40
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

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4252 токенов
    • 100Шаги. Шагов: 42
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющих операций нет
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

    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

    • +3Длина description 972: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 6 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +4Структура: 22 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.