Loading...
Loading...
共找到 139 个 Skills
在全新的零上下文子会话中对当前聚焦的成果物进行无上下文审阅，确认其可独立被理解——这是一种消除会话累积偏见的思路重置方法。适用于以下场景：长时间会话后你已失去“新鲜视角”，无法判断聚焦的成果物对无前置背景的人是否清晰；移交、发布或合并前；或是想要进行一次“洁净室”式的理解性冒烟测试时。该方法会生成一个独立的无上下文审阅者，仅做诊断，不进行修复。
为sprint或功能生成QA测试计划。读取GDDs和故事文件，按测试类型（Logic/Integration/Visual/UI）对故事进行分类，并生成包含所需自动化测试、手动测试用例、冒烟测试范围以及Playtest签核要求的结构化测试计划。在sprint开始前或启动重大功能时运行。
协调完整的Paperclip版本发布流程，涵盖工程验证、npm发布、GitHub操作、冒烟测试以及后续公告跟进。当领导层要求发布版本时使用此流程，而非仅讨论版本规划。
当QA范围和策略已定义，且您需要生成与需求、角色、工作流和风险关联的详细可执行测试用例，以及冒烟测试、回归测试和用户验收测试套件时使用。支持`--quick-flow`模式以实现基于假设的快速执行，以及`--full-flow`模式以实现基于问题的验证执行。明确的完整或端到端规格细化请求将遵循现有的18阶段细化流程进行。
AI SDLC QA工作流。当AI助手被要求进行QA规划、验收验证、回归范围确定、探索性检查、冒烟测试、发布验证或针对变更的手动验证证据生成时使用。支持`--quick-flow`（基于假设的快速执行模式）和`--full-flow`（基于问题的验证执行模式）。明确的完整或端到端规格细化请求将沿用现有的18阶段细化流程。
在有限的、人工参与的改进循环中，通过Paperclip运行单个Terminal-Bench问题，直到冒烟测试通过、评审组拒绝下一个修复方案、迭代预算耗尽，或者确定了真正的阻塞点。每次迭代都会针对独立的Paperclip App工作树运行一次有限的冒烟测试，捕获工件，通过`/diagnose-why-work-stopped`诊断确切的停止点，在进行任何产品修复前请求评审组确认，然后针对同一工作树重新运行。当遇到要求“循环运行Terminal-Bench”、“推动Terminal-Bench直到通过”、“通过Paperclip循环执行fix-git”，或者其他指向Terminal-Bench任务并要求进行带诊断的有限迭代的问题时，即可使用本方法。
使用gadugi-agentic-test框架为CLI、TUI、Web和Electron应用生成智能外部驱动测试。 当你需要无需了解内部实现、仅验证外部接口的行为驱动测试时，可使用本工具。 创建由AI代理执行、观测并与预期结果对比验证的YAML测试场景。 支持从简单冒烟测试到复杂多步骤工作流的渐进式复杂度测试。
在投入长时间运行的ML实验前，用于发现问题的POC验证模式。触发场景 - 快速失败、POC验证、预检、实验验证、Schema验证、梯度检查、健全性检查、冒烟测试。
生成、运行并修复Glubean API测试。当用户要求“编写测试”“测试此端点”“添加冒烟测试”“探索API”或使用@glubean/sdk时使用。
当用户要求“测试此网站”“执行探索性测试”“检查可访问性问题”“验证登录流程是否正常”“查找此页面的漏洞”，或者请求自动化QA测试时，应使用本Skill。适用于使用ScoutQA CLI的Web应用测试场景，包括冒烟测试、可访问性审计、电商流程和用户流验证。重要提示：在实现Web应用功能后，请主动使用本Skill来验证功能是否正常工作——不要等用户提出测试请求。
在NGC PyTorch容器内的本地NVIDIA GPU上微调任意HuggingFace CV/VLM/LLM模型。适用于以下场景：用户需要微调HuggingFace模型（全量微调或LoRA）、端到端训练视觉/VLM/LLM模型、生成可复现的HF训练流水线、在规模化部署前本地对HuggingFace模型进行冒烟测试、将微调后的模型附带模型卡片推送到HF Hub，或是为已有的HuggingFace微调任务生成独立的可重运行技能。支持图像分类、目标检测、语义/实例/全景分割、深度估计、图文到文本VLM（SFT/LoRA）以及LLM的SFT/DPO/GRPO。六步工作流：检查与验证、硬件与NGC镜像选型、方案调研、生成项目与冒烟测试、训练+评估+推理、推送与生成可重运行技能。
在任意代码仓库中实施OpenAI Harness Engineering实践。适用于设置或重构以Agent为核心的工作流、编写或升级AGENTS.md与PLANS.md、创建可确定的冒烟测试/测试/代码检查/类型检查Harness命令、定义严格的架构边界和数据格式契约、从项目初期就配置可观测性，以及添加熵控制检查和CI自动化以实现可靠的自主运行场景。