Flujos de testing unitario, de integración y end-to-end.
186 skills en esta categoría
Úsalo al recibir feedback de code review, antes de implementar sugerencias, sobre todo si el feedback parece poco claro o técnicamente cuestionable: exige rigor técnico y verificación, no acuerdo performativo ni implementación ciega.
Úsalo antes de afirmar que un trabajo está completo, corregido o pasando, antes de hacer commit o crear PRs: exige ejecutar comandos de verificación y confirmar la salida antes de cualquier afirmación de éxito.
Convierte cualquier web en datos limpios listos para LLMs.
Úsalo al implementar cualquier feature o corrección de bug, antes de escribir código de implementación.
Úsalo ante cualquier bug, fallo de test o comportamiento inesperado, antes de proponer arreglos.
Úsalo al completar tareas, implementar features mayores, o antes de mergear, para verificar que el trabajo cumple los requisitos.
Desarrollo guiado por tests. Úsalo cuando quieras construir features o arreglar bugs test-first, cuando menciones "red-green-refactor", o cuando quieras tests de integración.
Migra archivos de test de aserciones de tipo `as` a @total-typescript/shoehorn. Úsalo cuando menciones shoehorn, quieras reemplazar `as` en tests, o necesites datos de test parciales.
Kit para interactuar con aplicaciones web locales y probarlas con Playwright. Permite verificar el frontend, depurar la UI, capturar pantallazos del navegador y ver sus logs.
Cómo escribir tests end-to-end con createRouterAct y LinkAccordion. Úsalo al escribir tests que controlan el momento de las peticiones internas de Next.js, como los prefetches.
Compara el rendimiento de cambios de React o Next.js en VMs de Vercel Sandbox con estadística A/B pareada: rps, latencia, p95, TTFB, RSS y bytes de documento y Flight.
Verifica el comportamiento en runtime de Next.js tras editar código de la aplicación. Combina /_next/mcp, la visión de Next.js, con agent-browser, la del navegador. Requiere un next dev en marcha.
El bloc de notas con IA que transcribe y organiza tus reuniones.
Cómo usar las directivas de test @gate / @force-gate en lugar de it.skip o patrones de skip falso-verde, con las condiciones, el patrón de axis y los comandos de verificación.
Tría fallos de CI y comentarios de revisión de PR con scripts/pr-status.js: prioriza por bloqueo (build, lint, tipos, tests), empareja variables de CI para reproducir en local y distingue flakies.
Corrector autónomo de bugs de iOS: cierra el ciclo encontrar → arreglar → confirmar sin intervención humana.
Auditoría en vivo de la experiencia del desarrollador (gstack): navega la documentación, prueba el onboarding, mide el TTHW y genera un scorecard con evidencia.
Depuración sistemática con investigación de causa raíz: cuatro fases (investigar, analizar, formular hipótesis, implementar) antes de tocar código. (gstack)
Panel de calidad de código: envuelve los checkers y linters del proyecto, calcula una puntuación compuesta 0-10 y sigue la evolución en el tiempo. (gstack)
Navegador headless rápido para QA testing y dogfooding de sitios (gstack).
Úsalo cuando te pidan depurar, arreglar un bug, investigar un error o hacer análisis de causa raíz, o si reportan errores, stack traces o algo que dejó de funcionar.
QA de solo reporte: prueba la app sistemáticamente y entrega un informe con health score, capturas y pasos de reproducción, sin arreglar nada.
Programa publicaciones en todas tus redes desde un solo sitio.
Prueba sistemáticamente una aplicación web y arregla los bugs encontrados (gstack).
Detección de regresiones de rendimiento mediante el daemon browse: mide, compara con baseline y alerta sobre caídas de velocidad. (gstack)
QA en dispositivo iOS real para apps SwiftUI, con bucle de agente guiado por visión sobre USB (gstack).
Auditoría visual de diseño para apps de iOS en hardware real.
Revisión de PR antes de aterrizar el código (pre-landing), parte del conjunto de herramientas gstack.
Importa las cookies de tu navegador Chromium real a la sesión de navegación headless (gstack).
Hace QA de un sitio o app web y devuelve una puntuación de 1 a 5 (5 = perfecto, 1 = roto) con evidencia, usando un navegador real en la nube de Browser Use, incluso con localhost.
Realiza revisión de código en múltiples ejes. Úsalo antes de fusionar cualquier cambio, sea escrito por ti, otro agente o una persona, para evaluar la calidad antes de entrar a la rama principal.
Guía la depuración sistemática hacia la causa raíz. Úsalo cuando fallan tests, se rompe el build, el comportamiento no coincide con lo esperado o aparece cualquier error inesperado.
Haz crecer tu tráfico orgánico en piloto automático.
Somete cada decisión no trivial a una revisión adversarial con contexto fresco antes de darla por válida, cuando la corrección importa más que la velocidad o hay código desconocido o alto riesgo.
Prueba en navegadores reales usando Chrome DevTools MCP. Úsalo al construir o depurar cualquier cosa que corra en un navegador, o para inspeccionar DOM, consola, red o rendimiento.
Impulsa el desarrollo mediante tests: úsalo al implementar lógica, corregir bugs o cambiar cualquier comportamiento existente, para probar que el código realmente funciona.
Asegura que el código async del backend que podría bloquear el event loop de asyncio quede protegido por un test 'anchor' verificado en tests/blocking_io/, mediante un escaneo determinista de cambios o de todo el repo.
Skill de smoke test de extremo a extremo para DeerFlow: actualiza el código, despliega en local o Docker, verifica disponibilidad de servicios, hace health check y genera el reporte final.
Agente avanzado de análisis de calidad de código para revisiones y mejoras exhaustivas del código.
Valida los límites de dominio: detecta imports que cruzan bounded contexts y problemas de invariantes en los aggregates. Para auditar un codebase DDD o como gate de CI.
Corre el benchmark del corpus — booster local, con baselines opcionales de Gemini/Sonnet/Opus — y guarda una tabla verificable de medido vs. reclamado.
Receta de test de UI: combina `browser-record` (captura) y `browser-replay` (verificación) para que cada test genere un artefacto RVF replayable, no una ejecución efímera.
Revisiones de código con IA. Detecta bugs y corrígelos en un clic.
Diff visual y de DOM entre dos sesiones grabadas en los mismos pasos de trayectoria; se usa para regresión visual y verificación de repeticiones.
Sistema integral de puntuación de veracidad, verificación de calidad de código y rollback automático con umbral de 0.95 para garantizar salidas de agentes fiables.
Ejecuta benchmarks completos de rendimiento del sistema de workers de agentic-flow y análisis de optimización.
Despliega agentes de IA especializados para realizar revisiones de código exhaustivas e inteligentes que van más allá del análisis estático tradicional.
Flujo de trabajo TDD London School: desarrollo mock-first y outside-in. Escribe primero la prueba que falla, confírmala, implementa el mínimo código y refactoriza.
Especialista en validación de producción que garantiza que las aplicaciones estén completamente implementadas y listas para el despliegue.
Especialista en la fase Refinement de la metodología SPARC para la mejora iterativa del código.
Especialista en control de calidad que diseña e implementa suites de test (unitarios, integración, e2e, rendimiento y seguridad) siguiendo la pirámide de testing.
Especialista en TDD estilo London School (mock-driven) que dirige el desarrollo de fuera hacia dentro usando dobles de prueba, coordinado con otros agentes de testing dentro de un swarm.
Convierte tu voz en texto, allí donde escribas.
Lee cada docs/benchmarks/runs/*.json y muestra la deriva en win rate, latencia, tasa de escalada y costo del baseline LLM a lo largo del tiempo.
Recorre el flujo completo de benchmark→envío de GAIA, desde la resolución de claves hasta generar un paquete compatible con HAL.
Detecta huecos de cobertura de tests y genera sugerencias de qué tests escribir a continuación.
Diagnostica por qué falló una pregunta de GAIA: extrae la traza, clasifica el modo de fallo y propone una corrección antes de reenviar.
Reparación dirigida por tests: dado un test que falla, lanza un 'claude -p' acotado (solo Read/Edit/Bash) que arregla el código sin tocar el test, con costo y capacidad limitados.
Agente de benchmarking de rendimiento exhaustivo: detección de regresiones y validación de rendimiento mediante pruebas automatizadas de carga, estrés y escalabilidad.
Graba interacciones de navegador en vídeo con Playwright. Úsalo para capturar demos, recorridos de aplicación y flujos de interfaz para vídeos de Remotion.
Revisa animación de personaje local con comprobaciones de esquema, previsualizaciones en navegador con Playwright, muestreo de fotogramas y verificación final con FFmpeg/ffprobe.
Usa Chrome DevTools por MCP para depuración y auditoría de accesibilidad (a11y) siguiendo las guías de web.dev. Úsalo al probar HTML semántico, ARIA, foco, teclado, tap targets y contraste.
Fotos profesionales con IA en minutos.
Revisa pull requests de GitHub CLI (gh) contra las convenciones del código base.
Explora y prueba sistemáticamente una aplicación web para encontrar bugs y problemas de UX, generando un reporte con capturas paso a paso, videos de reproducción y pasos detallados por cada hallazgo.
CLI de automatización de navegador para agentes de IA: navegar páginas, rellenar formularios, hacer clic, capturar pantallas, extraer datos, testear apps web o automatizar apps Electron y Slack.
Prepara y revisa estructuralmente evidencia de preparación para ISO 13485, ISO 14971, ISO/IEC 17025 e ISO 15189: alcance, documentos controlados, trazabilidad, CAPA y controles de proveedores. No decide certificación ni cumplimiento legal.
Planifica, ejecuta y documenta la validación, verificación y transferencia de procedimientos analíticos (HPLC, LC-MS/MS, GC, ICP-MS, qPCR, ensayos de unión) bajo ICH Q2(R2)/Q14, USP, ICH M10, CLSI EP o ISO/IEC 17025.
Domina prácticas efectivas de revisión de código para dar feedback constructivo, detectar bugs a tiempo y fomentar el intercambio de conocimiento sin dañar la moral del equipo.
Domina técnicas sistemáticas de depuración, herramientas de profiling y análisis de causa raíz para localizar bugs en cualquier código o stack tecnológico.
Prueba aplicaciones web con lectores de pantalla como VoiceOver, NVDA y JAWS para validar compatibilidad, depurar accesibilidad y verificar soporte de tecnología asistiva.
Filtra checkpoints fine-tuneados con presupuestos de drift, comparación pareada y chequeos de olvido antes de promoverlos, tras un entrenamiento o al re-gatear un modelo ya promovido.
Convierte cualquier web en datos limpios listos para LLMs.
Domina el testing end-to-end con Playwright y Cypress para construir suites fiables que detecten bugs y permitan despliegues rápidos.
Implementa estrategias de testing con Jest, Vitest y Testing Library: tests unitarios, de integración y end-to-end, con mocking, fixtures y TDD/BDD.
Metodología de calidad de PluginEval: dimensiones, rúbricas, métodos estadísticos y fórmulas de puntuación, para interpretar scores bajos o calibrar umbrales del marketplace.
Domina Bats (Bash Automated Testing System) para probar exhaustivamente scripts de shell, útil en TDD y pipelines CI/CD.
Prueba workflows de Temporal con pytest, time-skipping y estrategias de mocking: testing unitario, de integración, de replay y configuración de desarrollo local.
Construye el eval harness que condiciona cada fine-tuning: golden sets, graders por modo de fallo, calibración de juez y baselines del modelo base.
Implementa estrategias de testing completas con pytest, fixtures, mocking y desarrollo guiado por pruebas (TDD) en Python.
Realiza auditorías de accesibilidad WCAG 2.2 con pruebas automatizadas, verificación manual y guía de remediación. Útil para auditar sitios, corregir violaciones y aplicar patrones de diseño accesible.
Coordina revisiones de código paralelas en varias dimensiones de calidad, con deduplicación de hallazgos, calibración de severidad e informes consolidados.
El bloc de notas con IA que transcribe y organiza tus reuniones.
Domina la configuración y el uso de ShellCheck para el análisis estático de shell scripts. Úsalo al montar infraestructura de linting, corregir problemas de código o garantizar la portabilidad de scripts.
Depura problemas complejos con hipótesis en competencia, investigación paralela, recolección de evidencia y arbitraje de causa raíz.
Úsalo al revisar código Python en busca de antipatrones comunes: como checklist antes de finalizar implementaciones o al depurar problemas derivados de malas prácticas conocidas.
Úsalo tras generar código con IA, aceptar sugerencias o revisar módulos escritos por IA, o cuando el código funcione pero parezca frágil o con deuda oculta.
Implementa estrategias de evaluación integrales para aplicaciones LLM usando métricas automatizadas, feedback humano y benchmarking, útil para medir la calidad de sistemas de IA.
Testea contratos inteligentes de forma exhaustiva con Hardhat y Foundry: tests unitarios, de integración y forking de mainnet.
Revisa código de animación y motion contra un estándar de craft alto basado en la filosofía de diseño de Emil Kowalski; por defecto señala problemas, la aprobación se gana.
Control de calidad mediante un segundo modelo: hace que otro modelo revise el trabajo antes de darlo por bueno, con enrutamiento de negativas y opción de derivar a Codex para revisión de diffs.
Verificación sistemática, afirmación por afirmación, de cualquier contenido antes de publicarlo, basada en estándares de fact-checking profesional (The New Yorker, ProPublica, IFCN).
Programa publicaciones en todas tus redes desde un solo sitio.
Framework de validación de skills más inteligencia diaria de salud y regresiones de la suite de tests: valida conformidad y clasifica fallos por tandas.
Redacta un eval para una skill existente a partir de su historial real de uso (no de su spec), etiqueta casos como SPEC-DERIVED o HISTORY-IMPLIED y lo deja pendiente de aprobación humana.
Captura fixtures de test con las respuestas reales de las APIs de los proveedores.
Genera datasets ficticios realistas para pruebas, con columnas y restricciones personalizables, en formato CSV, JSON, SQL o script de Python.
Crea escenarios de prueba completos a partir de user stories, con objetivo de la prueba, condiciones iniciales, rol de usuario, pasos y resultados esperados.
Úsalo cuando se pida depurar o arreglar checks fallidos de un PR en GitHub Actions: inspecciona checks y logs con gh, resume el fallo y redacta un plan que solo aplica tras aprobación.
Interacción persistente con navegador y Electron a través de js_repl para depurar interfaces de forma iterativa y rápida.
Úsalo cuando haya que automatizar un navegador real desde la terminal — navegación, formularios, snapshots, capturas, extracción de datos, depuración de interfaz — con playwright-cli.
Mapea la cobertura de tests a las rutas críticas del GDD, detecta bugs corregidos sin test de regresión y mantiene tests/regression-suite.md. Ejecutar tras un fix o antes de un release.
Haz crecer tu tráfico orgánico en piloto automático.
Detecta tests no deterministas (flaky) leyendo logs de CI o histórico de resultados; agrega tasas de aprobación, recomienda cuarentena o fix y mantiene un registro de tests flaky.
Revisión de calidad de archivos de test y evidencia manual: evalúa cobertura de aserciones, casos límite, nombres y completitud, dando un veredicto ADEQUATE/INCOMPLETE/MISSING por historia.
Genera un protocolo de soak test para sesiones de juego extendidas: define qué observar, medir y registrar para detectar fugas lentas, fatiga y casos límite, sobre todo en Polish y Release.
Ejecuta la puerta de smoke test antes de entregar a QA: corre la suite automatizada, revisa cobertura y funcionalidad clave, y genera un informe PASS/FAIL.
Mostrando los primeros 96 de 186. Ver todo.
