Communitygithub.com

quarkus-verification

Verifizierungsschleife für Quarkus-Projekte: Build, statische Analyse, Tests mit Abdeckung, Sicherheitsscans, native Kompilierung und Diff-Review vor Release oder PR.

Was ist quarkus-verification?

Diese Fähigkeit (Skill) definiert eine umfassende, mehrphasige Verifizierungspipeline für Quarkus-Projekte. Sie ist als Checkliste und ausführbarer Leitfaden konzipiert, der vor Pull-Requests, nach größeren Änderungen und vor Deployment in Staging oder Produktion durchlaufen werden sollte. Der Skill führt Entwickler durch die Phasen Build, statische Analyse (Checkstyle, PMD, SpotBugs, optional SonarQube), Testen mit JaCoCo-Coverage (Schwellwert 80%), Sicherheitsscans (OWASP Dependency-Check, Quarkus Audit, OWASP ZAP), native Kompilierung mit GraalVM, Lasttests mit K6, Health Checks, Container-Build und -Scan sowie Konfigurations- und Dokumentationsprüfung. Er enthält konkrete Befehle für Maven und Gradle, Java-Codebeispiele für Unit-, Integrations- und API-Tests, einen automatisierbaren Bash-Script-Ansatz sowie CI/CD-Integration (GitHub Actions). Die Fähigkeit unterstützt Entwickler dabei, Codequalität, Testsicherheit und Deployment-Bereitschaft systematisch und wiederholbar zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/quarkus-verification

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Quarkus-Verifizierungsschleife

Vor PRs, nach größeren Änderungen und vor dem Deployment ausführen.

Wann aktivieren

  • Vor dem Öffnen eines Pull-Requests für einen Quarkus-Dienst
  • Nach größeren Refactorings oder Aktualisierungen von Abhängigkeiten
  • Pre-Deployment-Verifizierung für Staging oder Produktion
  • Ausführen der vollständigen Build → Lint → Test → Sicherheitsscan → Native-Kompilierung-Pipeline
  • Validieren, dass die Testabdeckung die Schwellwerte erfüllt (80%+)
  • Testen der nativen Image-Kompatibilität

Phase 1: Build

# Maven
mvn clean verify -DskipTests

# Gradle
./gradlew clean assemble -x test

Wenn der Build fehlschlägt, anhalten und Kompilierungsfehler beheben.

Phase 2: Statische Analyse

Checkstyle, PMD, SpotBugs (Maven)

mvn checkstyle:check pmd:check spotbugs:check

SonarQube (falls konfiguriert)

mvn sonar:sonar \
  -Dsonar.projectKey=mein-quarkus-projekt \
  -Dsonar.host.url=http://localhost:9000 \
  -Dsonar.login=${SONAR_TOKEN}

Häufige zu adressierende Probleme

  • Unbenutzte Imports oder Variablen
  • Komplexe Methoden (hohe zyklomatische Komplexität)
  • Potenzielle Nullpointer-Dereferenzierungen
  • Von SpotBugs gemeldete Sicherheitsprobleme

Phase 3: Tests + Abdeckung

# Alle Tests ausführen
mvn clean test

# Abdeckungsbericht generieren
mvn jacoco:report

# Abdeckungsschwellwert durchsetzen (80%)
mvn jacoco:check

# Oder mit Gradle
./gradlew test jacocoTestReport jacocoTestCoverageVerification

Testkategorien

Unit-Tests

Testen der Servicelogik mit gemockten Abhängigkeiten:

@ExtendWith(MockitoExtension.class)
class UserServiceTest {
  @Mock UserRepository userRepository;
  @InjectMocks UserService userService;

  @Test
  void createUser_validInput_returnsUser() {
    var dto = new CreateUserDto("Alice", "[email protected]");

    // Panache persist() ist void — doNothing + verify verwenden
    doNothing().when(userRepository).persist(any(User.class));

    User result = userService.create(dto);

    assertThat(result.name).isEqualTo("Alice");
    verify(userRepository).persist(any(User.class));
  }
}

Integrationstests

Testen mit einer echten Datenbank (Testcontainers):

@QuarkusTest
@QuarkusTestResource(PostgresTestResource.class)
class UserRepositoryIntegrationTest {

  @Inject
  UserRepository userRepository;

  @Test
  @Transactional
  void findByEmail_existingUser_returnsUser() {
    User user = new User();
    user.name = "Alice";
    user.email = "[email protected]";
    userRepository.persist(user);

    Optional<User> found = userRepository.findByEmail("[email protected]");

    assertThat(found).isPresent();
    assertThat(found.get().name).isEqualTo("Alice");
  }
}

API-Tests

Testen von REST-Endpunkten mit REST Assured:

@QuarkusTest
class UserResourceTest {

  @Test
  void createUser_validInput_returns201() {
    given()
        .contentType(ContentType.JSON)
        .body("""
            {"name": "Alice", "email": "[email protected]"}
            """)
        .when().post("/api/users")
        .then()
        .statusCode(201)
        .body("name", equalTo("Alice"));
  }

  @Test
  void createUser_invalidEmail_returns400() {
    given()
        .contentType(ContentType.JSON)
        .body("""
            {"name": "Alice", "email": "invalid"}
            """)
        .when().post("/api/users")
        .then()
        .statusCode(400);
  }
}

Abdeckungsbericht

target/site/jacoco/index.html für detaillierte Abdeckung prüfen:

  • Gesamte Zeilenabdeckung (Ziel: 80%+)
  • Branch-Abdeckung (Ziel: 70%+)
  • Nicht abgedeckte kritische Pfade identifizieren

Phase 4: Sicherheitsscan

Abhängigkeits-Schwachstellen (Maven)

mvn org.owasp:dependency-check-maven:check

target/dependency-check-report.html auf CVEs überprüfen.

Quarkus-Sicherheitsaudit

# Verwundbare Erweiterungen prüfen
mvn quarkus:audit

# Alle Erweiterungen auflisten
mvn quarkus:list-extensions

OWASP ZAP (API-Sicherheitstests)

docker run -t ghcr.io/zaproxy/zaproxy:stable zap-api-scan.py \
  -t http://localhost:8080/q/openapi \
  -f openapi

Häufige Sicherheitsprüfungen

  • Alle Secrets in Umgebungsvariablen (nicht im Code)
  • Eingabevalidierung an allen Endpunkten
  • Authentifizierung/Autorisierung konfiguriert
  • CORS richtig konfiguriert
  • Sicherheitsheader gesetzt
  • Passwörter mit BCrypt gehasht
  • SQL-Injection-Schutz (parametrisierte Abfragen)
  • Ratenbegrenzung an öffentlichen Endpunkten

Phase 5: Native Kompilierung

GraalVM Native-Image-Kompatibilität testen:

# Native ausführbare Datei bauen
mvn package -Dnative

# Oder mit Container
mvn package -Dnative -Dquarkus.native.container-build=true

# Native ausführbare Datei testen
./target/*-runner

# Einfache Smoke-Tests ausführen
curl http://localhost:8080/q/health/live
curl http://localhost:8080/q/health/ready

Fehlerbehebung bei nativen Images

Häufige Probleme:

  • Reflection: Reflection-Konfiguration für dynamische Klassen hinzufügen
  • Resources: Ressourcen mit quarkus.native.resources.includes einbinden
  • JNI: JNI-Klassen registrieren, wenn native Bibliotheken verwendet werden

Beispiel für eine Reflection-Konfiguration:

@RegisterForReflection(targets = {MyDynamicClass.class})
public class ReflectionConfiguration {}

Phase 6: Leistungstests

Lasttests mit K6

// load-test.js
import http from 'k6/http';
import { check } from 'k6';

export const options = {
  stages: [
    { duration: '30s', target: 50 },
    { duration: '1m', target: 100 },
    { duration: '30s', target: 0 },
  ],
};

export default function () {
  const res = http.get('http://localhost:8080/api/markets');
  check(res, {
    'Status ist 200': (r) => r.status === 200,
    'Antwortzeit < 200ms': (r) => r.timings.duration < 200,
  });
}

Ausführen:

k6 run load-test.js

Zu überwachende Metriken

  • Antwortzeit (p50, p95, p99)
  • Durchsatz (Anfragen/Sekunde)
  • Fehlerrate
  • Speichernutzung
  • CPU-Auslastung

Phase 7: Health Checks

# Liveness
curl http://localhost:8080/q/health/live

# Readiness
curl http://localhost:8080/q/health/ready

# Alle Health Checks
curl http://localhost:8080/q/health

# Metriken (falls aktiviert)
curl http://localhost:8080/q/metrics

Erwartete Antworten:

{
  "status": "UP",
  "checks": [
    {
      "name": "Datenbankverbindung",
      "status": "UP"
    }
  ]
}

Phase 8: Container-Image-Build

# Container-Image bauen
mvn package -Dquarkus.container-image.build=true

# Oder mit spezifischer Registry
mvn package \
  -Dquarkus.container-image.build=true \
  -Dquarkus.container-image.registry=docker.io \
  -Dquarkus.container-image.group=myorg \
  -Dquarkus.container-image.tag=1.0.0

# Container testen
docker run -p 8080:8080 myorg/my-quarkus-app:1.0.0

Container-Sicherheitsscan

# Trivy
trivy image myorg/my-quarkus-app:1.0.0

# Grype
grype myorg/my-quarkus-app:1.0.0

Phase 9: Konfigurationsvalidierung

# Alle Konfigurationseigenschaften prüfen
mvn quarkus:info

# Alle Konfigurationsquellen auflisten
curl http://localhost:8080/q/dev/io.quarkus.quarkus-vertx-http/config

Umgebungsspezifische Prüfungen

  • Datenbank-URLs pro Umgebung konfiguriert
  • Secrets externalisiert (Vault, Umgebungsvariablen)
  • Logging-Stufen angemessen
  • CORS-Ursprünge korrekt gesetzt
  • Ratenbegrenzung konfiguriert
  • Monitoring/Tracing aktiviert

Phase 10: Dokumentationsprüfung

  • OpenAPI/Swagger-Dokumentation aktuell (/q/swagger-ui)
  • README enthält Setup-Anweisungen
  • API-Änderungen dokumentiert
  • Migrationsleitfaden für bahnbrechende Änderungen
  • Konfigurationseigenschaften dokumentiert

OpenAPI-Spezifikation generieren:

curl http://localhost:8080/q/openapi -o openapi.json

Verifizierungs-Checkliste

Codequalität

  • Build ohne Warnungen erfolgreich
  • Statische Analyse sauber (keine hohen/mittleren Probleme)
  • Code folgt Team-Konventionen
  • Kein auskommentierter Code oder TODOs im PR

Tests

  • Alle Tests bestanden
  • Codeabdeckung ≥ 80%
  • Integrationstests mit echter Datenbank
  • Sicherheitstests bestanden
  • Leistung innerhalb akzeptabler Grenzen

Sicherheit

  • Keine Abhängigkeits-Schwachstellen
  • Authentifizierung/Autorisierung getestet
  • Eingabevalidierung vollständig
  • Secrets nicht im Quellcode
  • Sicherheitsheader konfiguriert

Deployment

  • Native Kompilierung erfolgreich
  • Container-Image erstellt
  • Health Checks antworten korrekt
  • Konfiguration für Zielumgebung gültig

Natives Image

  • Native ausführbare Datei erstellt
  • Native Tests bestanden
  • Startzeit < 100ms
  • Speicherverbrauch akzeptabel

Automatisiertes Verifizierungs-Skript

#!/bin/bash
set -e

echo "=== Phase 1: Build ==="
mvn clean verify -DskipTests

echo "=== Phase 2: Statische Analyse ==="
mvn checkstyle:check pmd:check spotbugs:check

echo "=== Phase 3: Tests + Abdeckung ==="
mvn test jacoco:report jacoco:check

echo "=== Phase 4: Sicherheitsscan ==="
mvn org.owasp:dependency-check-maven:check

echo "=== Phase 5: Native Kompilierung ==="
mvn package -Dnative -Dquarkus.native.container-build=true

echo "=== Alle Phasen abgeschlossen ==="
echo "Berichte prüfen:"
echo "  - Abdeckung: target/site/jacoco/index.html"
echo "  - Sicherheit: target/dependency-check-report.html"
echo "  - Native: target/*-runner"

CI/CD-Integration

GitHub Actions Beispiel

name: Verifizierung

on: [push, pull_request]

jobs:
  verify:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7

      - name: JDK 21 einrichten
        uses: actions/setup-java@v5
        with:
          java-version: '21'
          distribution: 'temurin'

      - name: Maven-Pakete zwischenspeichern
        uses: actions/cache@v6
        with:
          path: ~/.m2
          key: ${{ runner.os }}-m2-${{ hashFiles('**/pom.xml') }}

      - name: Build
        run: mvn clean verify -DskipTests

      - name: Test mit Abdeckung
        run: mvn test jacoco:report jacoco:check

      - name: Sicherheitsscan
        run: mvn org.owasp:dependency-check-maven:check

      - name: Abdeckung hochladen
        uses: codecov/codecov-action@v7
        with:
          token: ${{ secrets.CODECOV_TOKEN }}
          files: target/site/jacoco/jacoco.xml

Best Practices

  • Verifizierungsschleife vor jedem PR ausführen
  • In der CI/CD-Pipeline automatisieren
  • Probleme sofort beheben; keine Schulden anhäufen
  • Abdeckung über 80% halten
  • Abhängigkeiten regelmäßig aktualisieren
  • Native Kompilierung regelmäßig testen
  • Leistungstrends überwachen
  • Bahnbrechende Änderungen dokumentieren
  • Ergebnisse des Sicherheitsscans überprüfen
  • Konfiguration für jede Umgebung validieren

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills