> Testing & Security _

Инструмент skill-security-auditor автоматизирует процессы аудита безопасности исходного кода, зависимостей и конфигураций, выявляя уязвимости, секреты и небезопасные шаблоны. Он позволяет значительно сократить время на ручную проверку и повысить качество безопасности разрабатываемых приложений. Эффективное тестирование становится неотъемлемой частью процесса разработки. В основе работы лежат автоматизированные проверки, основанные на расширенных правилах обнаружения секретов и сканирования уязвимостей. Инструмент поддерживает широкий спектр языков программирования, включая Python, Bash, JavaScript, Go и Java. Применение автоматизированные тесты обеспечивает стабильность и воспроизводимость результатов аудита. Для обеспечения максимальной эффективности аудита рекомендуется использовать комплексный подход, включающий как базовый, так и углубленный анализ. Оптимизация покрытия кода и регулярное обновление правил обнаружения позволяют поддерживать высокий уровень защиты от новых угроз. Подробные инструкции по запуску и настройке представлены в руководстве.

Рекомендации и лучшие практики для написания модульных тестов в библиотеке визуализации G2, охватывающие структуру каталогов, шаблоны тестирования и рекомендации по реализации. Используйте, когда необходимо создать тесты.

Используй это умение для поиска уязвимостей в опенсорсных проектах на C/C++.

Используйте этот навык всякий раз, когда пользователь хочет проверить, просмотреть или провести аудит сквозных тестов, которые были перенесены из старой системы (обычно в директории `e2e-next/`) в новую систему `e2e-next/`. Триггерами являются такие запросы, как: "проверь мой перенесенный тест", "проверь этот сквозной тест", "проверь мою миграцию теста", "я правильно это перенес?", "проверь PR со сквозными тестами", "проверь покрытие тестами после миграции" или любой запрос, связанный со сравнением старых и новых файлов сквозных тестов в репозиториях vcluster, vcluster-pro или loft-enterprise. Всегда используйте этот навык, когда предоставляется файл сквозного теста или PR из одного из этих репозиториев для проверки, даже если пользователь просто говорит: "посмотри на этот тест".

Убедитесь в высоком качестве и безопасности кода с помощью структурированного процесса проверки, ориентированного на распространенные уязвимости и лучшие практики. Этот review-checklist помогает выявлять потенциальные проблемы до слияния, повышая надежность и снижая риски. Эффективное тестирование и улучшение покрытия кода становятся более доступными благодаря стандартизированному подходу. Проверка включает в себя ключевые аспекты: верификацию операций с базами данных (PostgreSQL и libSQL), проверку на уязвимости безопасности и соблюдение правил безопасности строк. Особое внимание уделяется корректной работе многоступенчатых операций, защите от атак типа SSRF и предотвращению утечек секретной информации в логах и SSE событиях. Внедрение этого review-checklist позволяет интегрировать автоматизированные тесты и повысить эффективность работы команды разработчиков. Он обеспечивает согласованность проверок и помогает поддерживать высокий уровень безопасности и качества Rust кода, использующего SQL и другие технологии.

PromptInjection – это инструмент для обеспечения безопасности при работе с AI Agents, разработанный для выявления и предотвращения инъекций запросов. Он позволяет проводить тестирование на уязвимости, связанные с манипулированием входными данными, и гарантирует, что автоматизированные тесты охватывают критически важные сценарии безопасности. Инструмент требует обязательной аутентификации и уведомления, что повышает прозрачность и контролируемость. Ключевой особенностью PromptInjection является возможность кастомизации через файлы JSON и PREFERENCES.md, расположенные в каталоге пользователя. Это позволяет адаптировать поведение инструмента под конкретные нужды и расширить покрытие кода в соответствии с требованиями проекта. Использование curl для уведомлений гарантирует, что каждый запуск сопровождается визуальной и звуковой индикацией. В основе работы PromptInjection лежит инфраструктура, использующая Bash, Curl и AI Agents. Обязательное уведомление перед выполнением любых действий является критически важным элементом, обеспечивающим соответствие этическим нормам и требованиям безопасности, а также упрощающим отслеживание и аудит действий.

WebAssessment предоставляет комплексную инфраструктуру для оценки кибербезопасности, объединяя разведку, моделирование угроз и тестирование на уязвимости. Инструмент разработан для усиления возможностей специалистов, позволяя выявлять и устранять потенциальные риски до того, как они будут использованы злоумышленниками. Это критически важно для поддержания надежной защиты данных. Автоматизированный аудит безопасности с WebAssessment включает в себя интеграцию различных этапов: от сбора информации о целевой системе до анализа выявленных уязвимостей. Система поддерживает пользовательские настройки, позволяя адаптировать процесс оценки под конкретные требования и инфраструктуру. Обязательным этапом является отправка голосового уведомления о начале работы, обеспечивающего оперативное информирование заинтересованных лиц. Ключевые особенности включают в себя систему голосовых уведомлений, маршрутизацию рабочих процессов и интеграцию с Claude AI для расширенного анализа. Использование Bash, Curl, JSON обеспечивает гибкость и возможность интеграции с существующими инструментами и системами мониторинга.

Обеспечение стабильной и предсказуемой работы AI-помощника для электронной почты – ключевая задача. Этот репозиторий содержит комплексный набор тестирование, включая модульные, интеграционные и тесты LLM, гарантирующий корректность функциональности в различных сценариях. Важно стремиться к поведенческим утверждениям, избегая жесткой привязки к конкретным значениям промптов или форматам вызовов. Автоматизированные автоматизированные тесты позволяют оперативно выявлять и устранять ошибки на ранних этапах разработки. В репозитории предусмотрены команды для запуска отдельных модульных тестов (pnpm test -- path/to/file.test.ts), всего набора модульных тестов (pnpm test --run) и интеграционных тестов (pnpm test-integration). Высокое покрытие кода достигается за счет тщательного планирования и выполнения тестов, охватывающих все основные компоненты системы. Для тестирования взаимодействия с LLM используется команда pnpm test-ai, а для эмулятор-ориентированных тестов – pnpm test-integration. Подробные инструкции по написанию и выполнению тестов доступны в соответствующих файлах.

Тест на проверку навыков.

12 навыков и плагинов для обеспечения соответствия нормативным требованиям и управления качеством, предназначенных для использования с Claude Code, Codex, Gemini CLI, Cursor, OpenClaw. Соответствие стандартам ISO 13485 (система менеджмента качества), MDR 2017/745 (Европейский регламент о медицинских изделиях), FDA 510(k)/PMA (процедуры утверждения FDA в США), ISO 27001 (система управления информационной безопасностью), GDPR/DSGVO (Общий регламент по защите данных), управление рисками (ISO 14971), корректирующие и предупреждающие действия (CAPA), контроль документации, аудиты. Инструменты на Python (только стандартная библиотека).

Навык разработки на основе тестов: написание модульных тестов, создание тестовых данных и моков, анализ пробелов в покрытии тестами и руководство по циклам "красный-зеленый-рефакторинг" с использованием Jest, Pytest, JUnit, Vitest и Mocha. Используйте, когда пользователь просит написать тесты, улучшить покрытие тестами, практиковать TDD, генерировать моки или заглушки, или упоминает фреймворки для тестирования, такие как Jest, pytest или JUnit.

Предотвратите случайную или несанкционированную потерю данных с помощью safe-file-deletion. Этот инструмент обеспечивает строгую систему разрешений, требующую явного одобрения перед каждым удалением, что критически важно для поддержания кибербезопасности и целостности информации. Он значительно снижает риски, связанные с ошибками пользователей или вредоносными действиями. safe-file-deletion интегрируется с существующими процессами удаления файлов, включая команды rm, unlink и fs.rm, обеспечивая контроль над операциями удаления. Функциональность включает в себя систему запроса разрешений, обработку файлов пакетами и предупреждения о предотвращении удаления, что позволяет проводить аудит безопасности и отслеживать действия пользователей. Решение построено на базе JSON, Bash, JavaScript и настольного приложения, обеспечивая гибкость и простоту интеграции. Это надежный способ усилить защиту данных и минимизировать риски, связанные с неконтролируемым удалением файлов. Не допускаются обходные пути, такие как "очистка" файлов или перемещение в скрытые папки.

Автоматизированный code-review решает проблему низкого качества кода и задержек в процессе разработки, предоставляя мгновенную обратную связь по вопросам корректности, безопасности, производительности и соответствия лучшим практикам. Инструмент использует передовые технологии, включая большую языковую модель и методы анализа кода, для выявления потенциальных проблем и предложения конкретных решений. Он помогает командам быстрее находить и устранять ошибки, повышая общую эффективность и надежность разрабатываемого программного обеспечения. Основываясь на принципах искусственного интеллекта, система проводит всесторонний анализ Python кода, оценивая уровень критичности обнаруженных проблем (Critical, Warning, Suggestion) и предлагая конкретные исправления. Функциональность включает проверку на логические ошибки, уязвимости безопасности (например, SQL injection, XSS), неэффективные алгоритмы, нарушение принципов SOLID и другие аспекты, влияющие на поддерживаемость и масштабируемость проекта. По сути, это AI-агент, специализирующийся на улучшении качества кода. Результатом работы является структурированный отчет, содержащий информацию о местоположении (файл и номер строки), уровне критичности, описании проблемы и предложенном способе исправления. Это позволяет разработчикам быстро понимать и устранять выявленные недостатки, значительно сокращая время на code review и повышая качество конечного продукта.

Тест для группы инструментов. При выполнении этого теста используйте инструмент `record_result` для записи значения результата.

Пример тестового сценария для проверки улучшения регистрации классов в classpath.

phoenix-playwright-tests – это готовый фреймворк для написания сквозных автоматизированных тестов Phoenix приложений с использованием Playwright. Решение позволяет эффективно проверять функциональность, обеспечивая стабильность и надежность веб-приложений благодаря централизованной конфигурации таймаутов и применению проверенных практик тестирования. Фреймворк предоставляет четкие шаблоны для организации тестов в директории app/tests/, что способствует единообразию и упрощает поддержку. Настройки времени ожидания, такие как timeout, expect.timeout и webServer.timeout, определяются централизованно в app/playwright.config.ts, что исключает необходимость указывать их в каждом тесте и упрощает их изменение. Использование phoenix-playwright-tests позволяет значительно повысить качество покрытия кода и сократить время на разработку и поддержку автоматизированных тестов для Phoenix приложений, используя TypeScript, JavaScript и Elixir. Предопределенные учетные данные упрощают начальную настройку и ускоряют процесс разработки.

Обеспечьте безопасность ваших AI-агентов, выявляя потенциальные уязвимости в коде навыков до их развертывания. Инструмент проводит комплексный анализ, предоставляя четкий вердикт **PASS / WARN / FAIL** с конкретными рекомендациями по устранению проблем. Процесс включает в себя тестирование на предмет распространенных рисков, таких как внедрение команд и выполнение произвольного кода. Инструмент использует Python, Bash, JavaScript и TypeScript для анализа покрытия кода и выявления потенциальных уязвимостей. Автоматизированные проверки охватывают скрипты и другие файлы, используемые навыками, обеспечивая всестороннюю оценку безопасности. Результаты предоставляются в понятном формате, облегчая процесс исправления. Функциональность включает в себя сканирование на предмет рисков выполнения кода, небезопасного использования библиотек и других распространенных уязвимостей. Инструмент генерирует отчеты в формате JSON, позволяя интегрировать автоматизированные тесты в существующие процессы CI/CD. Рекомендации по устранению проблем помогают повысить общую безопасность и надежность AI-агентов.

pr-review автоматизирует проверку pull requests, обеспечивая соответствие навыков заранее определенным структурным и качественным требованиям. Это решает проблему непоследовательности и отклонений от стандартов при внесении изменений в базу навыков, гарантируя их целостность и единообразие. Инструмент представляет собой CLI-инструмент, который легко интегрируется в существующие процессы разработки. Для автоматизированной проверки используются Python скрипты и конфигурационные файлы в формате YAML. Работа с инструментом осуществляется через командную строку, позволяя быстро и эффективно выполнять валидацию. Скрипт validate_skills.py проверяет наличие обязательных файлов, корректность синтаксиса YAML и соответствие структуры навыков заданным правилам. pr-review – это удобная терминальная утилита, предназначенная для автоматизации проверки структуры и качества навыков. Инструмент позволяет разработчикам сосредоточиться на содержательной части pull request после успешного прохождения автоматизированных проверок, что повышает эффективность и снижает вероятность ошибок. Использование Bash и Markdown позволяет легко настраивать и расширять правила проверки.

Комплексное руководство по разработке сквозных (end-to-end) тестов для Eclipse Che / Red Hat OpenShift Dev Spaces. Используйте эти знания при написании, изменении или проверке тестов на TypeScript с использованием Mocha и Selenium, а также при работе с объектно-ориентированными представлениями страниц, утилитами или инфраструктурой тестирования. Включает правила оформления кода, шаблоны, настройку внедрения зависимостей и лучшие практики.

Общее руководство по запуску тестов и выбору подходящей тестовой платформы в Materialize. Активируется, когда пользователь хочет "запустить тесты", "запустить testdrive", "запустить sqllogictest", "запустить mzcompose", "запустить cargo test", "запустить pgtest", "переписать результаты тестов", "добавить тест", "воспроизвести ошибку", "написать регрессионный тест" или упоминает тестирование, testdrive, sqllogictest, mzcompose, pgtest, cargo test, nextest, нестабильные тесты или сбои тестов. Используйте эту функцию, даже если пользователь просто говорит "протестируйте это" или "как мне убедиться, что это работает", не называя конкретную платформу. Для получения подробной информации о конкретных платформах, обратитесь к специализированным разделам: mz-platform-checks (проверка устойчивости при обновлении/перезапуске), mz-parallel-workload (параллельное нагрузочное тестирование) и mz-limits-test (масштабирование до большого количества объектов).

Соберите и протестируйте генератор `@typespec/http-client-python`. Используйте эту функцию всякий раз, когда пользователь хочет протестировать свои локальные изменения в генераторе, запустить тестовый набор генератора, проверить, проходят ли изменения в `http-client-python`, или проверить исправление. Активируется фразами, такими как "протестировать генератор", "запустить тесты", "проверить, проходят ли мои изменения", "запустить тест:генератор", "запустить CI" или любым упоминанием тестирования/проверки изменений в пакете генератора.

Обеспечьте высокое качество кода в пакете azure-ai-ml с помощью do-code-review. Эта терминальная утилита автоматизирует проверку незафиксированных изменений, выявляя несоответствия рекомендациям по проектированию Azure SDK для Python, проблемы с типобезопасностью, несоблюдение шаблонов тестирования и отклонения от согласованности API. Работает непосредственно из командной строки. do-code-review – это удобный CLI-инструмент, который сканирует все незафиксированные изменения (как подготовленные, так и не подготовленные файлы) в текущей ветке, в частности в директории sdk/ml/azure-ai-ml/. Он проверяет соответствие стандартам именования, паттернам методов (например, begin_* для LRO и list_* для пагинаторов) и другим ключевым аспектам разработки. Инструмент позволяет быстро выявлять и устранять потенциальные проблемы до коммита, гарантируя соблюдение лучших практик и повышая общую надежность и поддерживаемость Azure SDK для Python. Используйте do-code-review для повышения качества вашего кода и упрощения процесса разработки.

fix-pylint автоматизирует исправление предупреждений Pylint в кодовой базе, особенно полезно для проектов, таких как Azure SDK для Python. Эта терминальная утилита анализирует существующие шаблоны кода и применяет исправления с высокой степенью уверенности, значительно упрощая процесс обслуживания и рефакторинга. Инструмент использует Python, Pylint и Tox для автоматизации рутинных задач. fix-pylint представляет собой удобный CLI-инструмент, который интегрируется с GitHub для получения информации о существующих решениях и применения их к коду. Он позволяет разработчикам быстро и эффективно устранять замечания Pylint, основываясь на проверенных подходах, что снижает риск внесения ошибок и повышает качество Python кода. Работает через командную строку. Ключевые особенности включают автоматическое исправление предупреждений Pylint, применение изменений на основе уверенности и генерацию pull request-ов, ссылающихся на соответствующие GitHub issues. Это позволяет поддерживать высокий уровень соответствия стандартам кодирования и оптимизировать рабочий процесс разработки.

fix-mypy – это CLI-инструмент и терминальная утилита, предназначенная для автоматического исправления ошибок типизации, обнаруженных mypy, в кодовой базе. Инструмент анализирует существующие шаблоны типизации и применяет исправления с высокой степенью уверенности, опираясь на информацию из связанных GitHub issues, что существенно ускоряет процесс разработки и поддержания качества Python-проектов. Процесс работы включает в себя получение URL GitHub issue, анализ его содержимого, настройку виртуального окружения, установку необходимых зависимостей и запуск mypy на указанных файлах или модулях. После анализа результатов mypy, fix-mypy ищет подходящие шаблоны типизации в коде и применяет исправления, подтвержденные решением проблемы, зафиксированным в issue. В результате работы fix-mypy создает pull request, ссылающийся на исходный GitHub issue, и предоставляет сводку внесенных изменений. Это позволяет эффективно решать проблемы типизации, используя командную строку и автоматизируя рутинные задачи, что делает его ценным активом для команд разработчиков.

Skill-Vetter – это протокол проверки безопасности, разработанный для снижения рисков, связанных с установкой AI-агентов. Он обеспечивает первоочередную кибербезопасность, позволяя проводить тщательный анализ кода перед его интеграцией в систему. Инструмент помогает предотвратить потенциальные угрозы, возникающие при использовании непроверенного или неизвестного кода. Протокол включает в себя поэтапную проверку: анализ исходного кода, временную установку в изолированную директорию и автоматизированное чтение всех файлов. Используя Bash, Python и Skillhub CLI, Skill-Vetter предоставляет комплексный подход к оценке безопасности, включая автоматизированное создание списков файлов и их анализ. Это особенно важно для обеспечения защиты данных и предотвращения несанкционированного доступа. Skill-Vetter предназначен для использования перед установкой любых навыков из платформенного магазина, внешних репозиториев (например, GitHub) или при оценке навыков, предоставленных другими агентами. Регулярное применение этого протокола позволяет проводить аудит безопасности и минимизировать потенциальные уязвимости в системе.

Используйте эту функцию при работе непосредственно с репозиторием ClawTeam: для локальной разработки, отладки, рецензирования, тестирования, проверки многоагентных процессов или для проверки того, действительно ли изменение кода работает от начала до конца. Используйте скрипты инициализации репозитория для стандартизации локальной команды `clawteam` и для подключения локальных для проекта файлов `.agents` и `.claude` к этому репозиторию. Эта функция предназначена для разработки внутри репозитория, а не является общим руководством для конечных пользователей.

— name: ios-simulator-skill version: 1.3.0 description: 21 production-ready scripts for iOS app testing, building, and automation. Provides semantic UI navigation, build automation, accessibility testing, and simulator lifecycle management. Optimized for AI agents with minimal token output. — # iOS Simulator Skill Build, test, and automate iOS applications using accessibility-driven navigation and structured data instead of […]

Finish-work – это инструмент, предназначенный для обеспечения качества и полноты кода перед фиксацией. Он помогает избежать распространенных ошибок и гарантирует соответствие стандартам проекта, выступая в роли пре-коммит чек-листа. Использование этого инструмента позволяет минимизировать риски, связанные с последующей отладкой и поддержкой. Процесс проверки включает в себя запуск необходимых команд, таких как pnpm lint, pnpm type-check и тестов, что позволяет выявлять проблемы на ранних этапах. Это можно рассматривать как CLI-инструмент или терминальная утилита, упрощающую процесс контроля качества и обеспечивающую согласованность кода. Работа с командной строкой становится более структурированной и эффективной. Finish-work также акцентирует внимание на актуальности документации, подчеркивая важность документирования нетривиальных решений и ошибок. Это способствует созданию поддерживаемого и понятного кода для всей команды, делая его более надежным и удобным в использовании.

Утилита improve-ut автоматизирует повышение покрытия модульными тестами, основываясь на внесенных изменениях в код и существующих спецификациях. Она решает проблему ручного анализа и адаптации тестового набора после каждого обновления, обеспечивая актуальность и полноту тестов. Это особенно полезно для команд, использующих Git и стремящихся к непрерывной интеграции. Improve-ut – это CLI-инструмент, написанный на Python, TypeScript и использующий Bash и Node.js для динамического определения области тестирования и генерации/обновления тестов на основе существующих шаблонов проекта. В основе работы лежит анализ изменений в коде, с последующим автоматическим определением необходимых тестов, используя спецификации модульных тестов, хранящиеся в формате Markdown. Инструмент предоставляет удобный интерфейс командной строки для взаимодействия. Ключевые особенности включают динамическое обнаружение спецификаций тестов, автоматическое определение объема тестирования и генерацию/обновление тестов на основе шаблонов проекта. Использование терминальной утилиты позволяет легко интегрировать процесс улучшения тестового покрытия в существующие пайплайны разработки. CLI-инструмент предоставляет отчет о принятых решениях, внесенных изменениях и оставшихся пробелах в тестировании.

finish-work – это open-source решение, разработанное для повышения качества кода и упрощения процесса его подготовки к коммиту. Инструмент автоматизирует проверку соответствия требованиям, включая линтинг, проверку типов и тестирование, что позволяет избежать распространенных ошибок и обеспечивает согласованность с существующими спецификациями. finish-work предоставляет инструмент разработчика в виде pre-commit checklist, который помогает гарантировать синхронизацию с технической документацией и инфраструктурными контрактами. Он включает в себя автоматическую проверку на наличие устаревших логов, нежелательных утверждений и типов any, а также требует обновления спецификаций при внесении изменений. Благодаря автоматизации рутинных проверок, finish-work сокращает время на исправление ошибок и повышает общую эффективность разработки, обеспечивая более надежный и поддерживаемый код. Он интегрируется в существующие рабочие процессы и помогает поддерживать высокий уровень качества на всех этапах разработки.