8-Phasen-Evidenz-Pipeline für Playwright-, pytest-, Jest-, Cypress-, Newman-, k6- und JUnit-Fehler. Durchsucht Git-Verlauf, Anwendungslogs und Konfiguration, um konfidenz-bewertete Ursachenhypothesen zu erstellen. Verfügbar als MCP-Server, CLI und Streaming-Web-UI.
Der aks-builds/ai-test-failure-analyzer ist ein vielseitiges Werkzeug, das Entwickler und QA-Ingenieure bei der Analyse von Testfehlern in verschiedenen Frameworks wie Playwright, pytest, Jest, Cypress, Newman, k6 und JUnit unterstützt. Es führt eine 8-stufige Evidenz-Pipeline durch, die Git-Verlauf, Anwendungslogs und Konfigurationsdateien durchsucht, um die Grundursache eines Fehlers zu identifizieren. Jede Hypothese wird mit einem Konfidenzwert versehen, der die Wahrscheinlichkeit der korrekten Diagnose angibt. Das Tool ist als MCP-Server, CLI und Streaming-Web-UI verfügbar und integriert sich nahtlos in Entwicklungsworkflows. Es ist besonders nützlich, um die manuelle Fehlerbehebung zu beschleunigen und die Zuverlässigkeit von CI/CD-Pipelines zu verbessern.
npx skills add aks-builds/ai-test-failure-analyzerInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
8-Phasen-Evidenz-Pipeline für Playwright-, pytest-, Jest-, Cypress-, Newman-, k6- und JUnit-Fehler. Durchsucht Git-Verlauf, Anwendungslogs und Konfiguration, um konfidenz-bewertete Ursachenhypothesen zu erstellen. Verfügbar als MCP-Server, CLI und Streaming-Web-UI.
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.