Communitygithub.com

naodeng/awesome-qa-skills

Awesome QA Skills – eine zweisprachige (zh/en) KI-Test-Agenten-Skill-Bibliothek für Codex, Cursor, Claude Code, Kiro, OpenCode und Trae. Enthält 4 Test-Workflows und 25 Test-Typ-Skills (58 Skill-Ordner mit Sprachparität): unabhängig installierbar, kombinierbar und evaluierbar mit skill-up. Deckt Anforderungen, Strategie, Testfälle, API/Performance/Security ab.

Was ist awesome-qa-skills?

Dieser Skill, Teil der 'awesome-qa-skills'-Bibliothek, ist speziell für API-Tests konzipiert. Er unterstützt Entwickler und QA-Ingenieure bei der Erstellung von API-Testplänen, Testfällen und Risikoanalysen für eine Vielzahl von Protokollen wie REST, GraphQL, SOAP, gRPC und WebSocket. Der Skill arbeitet progressive: Zuerst wird ein Haupt-Prompt gelesen, der Mindestabdeckung, Ausgabestruktur und Qualitätsstandards vorgibt, dann kann der Benutzer projektspezifische Informationen hinzufügen. Die Ausgabe erfolgt standardmäßig in Markdown, wobei alle Annahmen und Lücken explizit gekennzeichnet werden. Wichtigste Grundsätze sind die Priorisierung nach Risiko/Geschäftsauswirkung und die strikte Trennung von bestätigten Fakten und Annahmen – es werden keine Endpunkte, Felder oder Umgebungen erfunden. Der Skill unterstützt die nahtlose Einbindung von Vorlagen, Skripten und Ausgabeformaten, die in der Bibliothek enthalten sind. Plattformunterstützung: Codex, Cursor, Claude Code, Kiro, OpenCode und Trae.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓OpenCode
npx skills add naodeng/awesome-qa-skills

In Ihrer bevorzugten KI fragen

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

Dokumentation

API-Tests (Englisch)

Chinesische Version: Siehe den entsprechenden chinesischen Skill.

Wann verwenden

  • Sie benötigen einen API-Testplan, API-Testfälle oder eine API-Risikoanalyse.
  • Die Anfrage umfasst REST, GraphQL, SOAP, gRPC, WebSocket oder gemischtes API-Verhalten.

Arbeitsablauf

  1. Lesen und befolgen Sie den Haupt-Prompt, der unter Progressive Offenlegung aufgeführt ist (Abdeckung, Struktur, Qualitätssicherung).
  2. Fügen Sie nur Projektkontext hinzu, der das Ergebnis ändert: Umfang, Umgebung, Einschränkungen, Risiken, Abhängigkeiten, erwartetes Ergebnis.
  3. Wenn die Eingabe unvollständig ist, liefern Sie einen brauchbaren ersten Entwurf und markieren Sie Annahmen und Lücken explizit.
  4. Standardmäßig Markdown; wechseln Sie das Format nur, wenn der Benutzer danach fragt.

Kernbedingungen

  • Priorisieren Sie nach Risiko / Geschäftsauswirkung – behandeln Sie nicht alles gleich.
  • Trennen Sie bestätigte Fakten von aktuellen Annahmen.
  • Erfinden Sie keine Endpunkte, Felder, Umgebungen oder Ursachen, die der Benutzer nicht angegeben hat.
  • Halten Sie die Ausgabe ausführbar: konkrete Szenarien, klare Priorität, klare nächste Schritte.

Progressive Offenlegung

  • Lesen und befolgen Sie vor der Ausgabe prompts/api-testing.md (Mindestabdeckung, Ausgabestruktur, Qualitätssicherung).
  • Wenn Excel/CSV/JSON/Word angefordert wird: Lesen Sie output-formats.md und berücksichtigen Sie das Format.
  • Wenn eine vorgefertigte Vorlage passt: Verwenden Sie die entsprechenden Dateien unter output-templates/.
  • Für tiefgehende Framework-/Fehlerbehebungs-/Schema-Notizen: Lesen Sie nur die relevante(n) Datei(en) unter references/, laden Sie nicht das gesamte Verzeichnis.
  • Für Formatkonvertierungen oder Hilfsprüfungen: Bevorzugen Sie vorhandene scripts/ vor Neuerfindungen.
  • Zur Bewertung/Regression dieses Skills: Verwenden Sie evals/ mit skill-up.

Checkliste vor der Auslieferung

  • Befolgte die Ausgabestruktur des Haupt-Prompts
  • Fokus auf Mindestabdeckung: Endpunkte oder Geschäftsabläufe im Umfang, Priorität und Risikostufe, positive Szenarien, negative Szenarien, Grenzszenarien, Authentifizierungs- und Berechtigungsprüfungen, Anfrage- und Antwortvalidierung, Fehlerbehandlung ... (Details im Haupt-Prompt)
  • Mindestcheckliste abgedeckt oder Auslassungen erklärt
  • Risikoreiche Elemente haben explizite Priorität
  • Keine Details erfunden, die der Benutzer nicht angegeben hat
  • Annahmen und Lücken sind gekennzeichnet

Häufige Fallstricke

  • Tun Sie nicht so, als ob alles vollständig wäre, wenn Umfang/Kontext fehlt.
  • Behandeln Sie nicht jedes Element als gleich wichtig.
  • Überspringen Sie keine Annahmen und Informationslücken.
  • Werfen Sie keine generische Theorie ein, die nichts mit der aktuellen Toolchain zu tun hat.

Verwandte Skills