Was macht java-jacoco-coverage-backfill?
Füllt die Java-Testabdeckung mit JaCoCo auf, indem Projekte erkannt, die Branch-Abdeckung analysiert und Klassen mit niedriger Branch-Abdeckung für bessere Tests identifiziert werden.
Füllt die Java-Testabdeckung mit JaCoCo auf, indem Projekte erkannt, die Branch-Abdeckung analysiert und Klassen mit niedriger Branch-Abdeckung für bessere Tests identifiziert werden.
Dieses Skill für KI-Agenten (z. B. Claude Code, Cursor, Codex) automatisiert die Rückführung der Java-Testabdeckung mit JaCoCo. Es erkennt Java-Projekte, analysiert die Branch-Abdeckung vor und nach dem Ausführen von Tests und identifiziert gezielt Klassen mit geringer Branch-Abdeckung, um die Testqualität zu verbessern. Der Skill unterstützt Maven- und Gradle-Projekte und verwendet JaCoCo-Berichte, um Lücken in der Testabdeckung sichtbar zu machen. Entwickler können damit schnell Schwachstellen in der Testabdeckung lokalisieren und gezielt neue Tests schreiben, um die Codequalität zu erhöhen. Die Integration erfolgt über benutzerdefinierte Anweisungen, die den Agenten anleiten, den Workflow von der Erkennung bis zur Berichterstellung Schritt für Schritt umzusetzen.
npx skills add Ahbrvntie/java-jacoco-coverage-backfillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Füllt die Java-Testabdeckung mit JaCoCo auf, indem Projekte erkannt, die Branch-Abdeckung analysiert und Klassen mit niedriger Branch-Abdeckung für bessere Tests identifiziert werden.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.