Communitygithub.com

agentskillexchange/skills

Strukturierte Selbstüberprüfungs-Checkliste, die vor dem Committen größerer Codeänderungen durchgeführt wird. Deckt Randfälle, Fehlerpfade, Testabdeckung, Dokumentation und Codequalität ab – sodass CI der letzte Ausweg ist, nicht der erste Reviewer.

Was ist skills?

Diese Fähigkeit (Skill) bietet eine strukturierte Selbstüberprüfungs-Checkliste für Entwickler:innen, die vor dem Commit signifikanter Codeänderungen durchlaufen werden soll. Sie zielt darauf ab, Probleme zu erkennen, bevor die CI/CD-Pipeline sie aufdeckt oder – schlimmer noch – bevor sie Benutzer:innen erreichen. Der Skill eignet sich besonders für Änderungen mit über 100 Codezeilen, mehr als fünf Dateien, Kerninfrastrukturmodifikationen oder neuen Abstraktionen. Die fünf Prüfpunkte umfassen Randfälle, Fehlerpfade, Testabdeckung, Dokumentation und Codequalität. Zusätzlich enthält der Skill einen Einzeiler-Smoke-Test, um die Qualität vor dem Commit zu bestätigen. Typische Anti-Patterns wie "CI wird es schon fangen" werden aufgeführt und es wird erklärt, warum strukturierte Selbstprüfung besonders für autonome KI-Agenten entscheidend ist.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/agentskillexchange/skills/tree/HEAD/skills/pre-landing-review

In Ihrer bevorzugten KI fragen

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

Dokumentation

Selbstüberprüfung vor dem Landen

Bevor Sie signifikante Änderungen committen, gehen Sie diese Checkliste durch. Entdecken Sie Probleme, bevor die CI sie entdeckt – oder schlimmer noch, bevor Benutzer sie entdecken.

Wann verwenden

Führen Sie diesen Skill aus, wenn eines dieser Kriterien zutrifft:

  • Mehr als 100 Codezeilen geändert
  • Mehr als 5 Dateien modifiziert
  • Kerninfrastruktur berührt (Executor, Storage, Haupt-Dispatch-Schleifen)
  • Neue Abstraktionen oder öffentliche APIs eingeführt
  • Unsicherheit über Randfälle oder Entwurfsentscheidungen

Schnellprüfung:

git diff --stat HEAD | tail -5  # Wie viel wurde geändert?
git diff --name-only HEAD | wc -l  # Wie viele Dateien?

Überspringen, wenn

  • Triviale Änderung (≤50 Zeilen, ≤3 Dateien)
  • Reine Dokumentations- oder Lektionsaktualisierungen
  • Reine Teständerungen (Tests sind ihre eigene Überprüfung)
  • Einfacher Einzeiler-Bugfix mit offensichtlichem, begrenztem Umfang
  • Mechanisches Refactoring ohne Logikänderungen

Die Checkliste

1. Randfälle

- [ ] Null/leere Eingaben behandelt?
- [ ] Grenzbedingungen getestet (Off-by-one, leere Listen, Null)?
- [ ] Gleichzeitiger Zugriff oder Race-Conditions bedacht?
- [ ] Unicode/Kodierungsprobleme bei Textverarbeitung?

2. Fehlerpfade

- [ ] Alle Ausnahmen auf der richtigen Ebene abgefangen (nicht zu breit)?
- [ ] Fehlermeldungen informativ (was ist fehlgeschlagen, warum, was tun)?
- [ ] Fehlermodi scheitern elegant, nicht still?
- [ ] Keine bloßen `except:` oder verschluckten Fehler?

3. Testabdeckung

- [ ] Kritische Pfade haben Tests?
- [ ] Oben identifizierte Randfälle haben Tests?
- [ ] Tests laufen tatsächlich und bestehen?
- [ ] Keine Test-Stubs mit `pass` oder `...` hinterlassen?

4. Dokumentation

- [ ] Docstrings/Kommentare entsprechen dem aktuellen Verhalten?
- [ ] README aktualisiert, wenn sich die öffentliche Schnittstelle geändert hat?
- [ ] Commit-Nachricht erfasst, was geändert wurde und warum?
- [ ] Relevante Architekturdokumentation noch korrekt?

5. Codequalität

- [ ] Benennung ist klar und konsistent mit umgebendem Code?
- [ ] Keine offensichtlichen Code-Gerüche (God Functions, magische Zahlen, hartcodierte Pfade)?
- [ ] Befolgt bestehende Muster in der Datei/im Paket?
- [ ] Statische Analyse / Typecheck bestanden?

Einzeiler-Smoke-Test

# Vor dem Commit ausführen (an Ihren Stack anpassen):
make format && make typecheck && pytest -x -q && echo "✅ Sauber zum Landen"

Wenn ein Schritt fehlschlägt, beheben Sie ihn vor dem Commit. Liefern Sie kein Rot aus.

Anti-Patterns

Anti-PatternLösung
"CI wird es schon fangen"CI ist der letzte Ausweg, kein Ersatz für Ihr eigenes Urteilsvermögen. Fangen Sie es zuerst.
"Ich füge Tests später hinzu"Später kommt nicht. Schreiben Sie den Test jetzt oder akzeptieren Sie die Lücke dauerhaft.
„Es hat bei manuellem Test funktioniert“Manuelle Tests sind nicht reproduzierbar. Schreiben Sie einen automatisierten Test, damit zukünftige Sitzungen ihn ebenfalls überprüfen können.
„Die Fehlermeldung ist ein TODO“TODO-Fehlermeldungen werden als TODO-Fehlermeldungen ausgeliefert. Schreiben Sie die echte Meldung jetzt.
„Ich sehe anhand des Codes, dass dieser Fall behandelt wird“Wenn es nicht getestet ist, wird eine zukünftige Refaktorierung es unsichtbar brechen.

Warum das wichtig ist

Autonome Agenten sind darauf trainiert, Outputs zu produzieren, die gut genug sind, um Korrekturen zu vermeiden. Ohne ein strukturiertes Review-Tor umgehen autonome Code-Commits die Human-in-the-Loop-Prüfung, die normalerweise Regressionen und Randfälle abfängt. Dieser Skill fungiert als dieses Tor – fünf gezielte Linsen in Folge, sodass nichts Offensichtliches durchrutscht.

Der Nutzen summiert sich: Jeder Review-Durchlauf, der ein echtes Problem findet, spart einen CI-Roundtrip, vermeidet einen Benutzerfehler und eine nicht benötigte Revert-PR.

Verwandt

Individual skills in this repo

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

Academic Paper Citation Network Mapper

Builds citation networks from Semantic Scholar API and CrossRef DOI metadata. Visualizes paper influence graphs using NetworkX, identifies seminal works, and tracks research lineage across fields.

ACF Custom Fields REST Exposer

Exposes Advanced Custom Fields data through the WordPress REST API using register_rest_field and acf_format_value. Handles repeater fields, flexible content layouts, and gallery fields with proper serialization.

ACF Extended for Advanced Custom Fields Workflows

An ASE skill built around ACF Extended, the WordPress enhancement suite for Advanced Custom Fields that adds field types, admin improvements, front-end forms, options pages, and developer tooling. It is a practical fit for agents working inside complex WordPress content models and custom field workflows.

ACF to Gutenberg Block Migrator

Converts Advanced Custom Fields field groups into native Gutenberg blocks using the ACF Block API v2 and @wordpress/scripts build pipeline. Maps ACF repeaters, groups, and flexible content to InnerBlocks and block attributes with server-side rendering via acf_register_block_type().

Activepieces Open Source Workflow Automation

Activepieces is an open-source, self-hostable workflow automation platform with 200+ integrations. It provides a visual builder for creating automated workflows and exposes all its connectors as MCP servers for AI agent use.

ActivityWatch Cross-Platform Automated Time Tracker and Producti

ActivityWatch is a privacy-first, open-source automated time tracker that records application usage, browser activity, and AFK status across Windows, macOS, and Linux. With 16k+ GitHub stars, it provides detailed productivity analytics without sending data to external servers.

act Local GitHub Actions Runner

act is an open-source CLI tool that runs GitHub Actions workflows locally using Docker, enabling fast feedback on workflow changes without pushing to GitHub. It is a standard tool for local Actions development and testing.

Add a browser review checkpoint before risky agent actions with

Use AgentClick when an agent should pause before risky commands, plans, drafts, or code changes so a human can inspect, edit, approve, or reject them in a purpose-built browser UI.

Add Claude design-system and accessibility workflows with UX/UI

Use UX/UI Agent Skills when Claude should generate tokens, component specs, accessibility audits, and framework-specific UI code from a repeatable design workflow.

Add executable smoke tests for shell scripts and CLIs before ref

Use Bats-core when an agent needs to turn fragile shell scripts or command-line workflows into something it can verify repeatedly after edits. The agent writes focused Bash tests for success paths, failure paths, and output contracts, then runs them locally or in CI before a refactor, release, or incident fix goes out.

Add graph-backed memory and context retrieval to agent workflows

Use Cognee to ingest project knowledge into graph and vector memory so agents can retrieve durable context across sessions and workflows.

Add IDE-style semantic code navigation and symbol-safe refactors

Give a coding agent symbol-aware lookup, cross-file rename, and structural edit tools before it starts making brittle text-only changes.

Add managed long-term memory to LangGraph agents with LangMem

Give LangGraph agents memory management and search tools so they can store, retrieve, and update durable facts across sessions.

Add multimodal lifelong memory to MCP and Python agents with Sim

Use SimpleMem to store, compress, index, and retrieve text or multimodal memories for agents through MCP or Python integrations.

Add persistent project memory and hook-driven synthesis with Cla

Keep Claude Code sessions grounded in prior decisions, project context, and daily handoff notes instead of starting from zero every time.

Add Postgres-native vector retrieval to agent and RAG workflows

Store embeddings beside application data in Postgres, create vector indexes, and query nearest neighbors for semantic search, RAG, recommendations, or agent memory retrieval.

Address GitHub PR review comments from the current branch with g

Find the open PR for the current branch, gather unresolved review comments, and drive a focused comment-resolution workflow with gh-authenticated context.

Add runtime guardrails to TypeScript agents with VoltAgent

Use VoltAgent to intercept, validate, and enforce input/output policies in TypeScript agent workflows.

Add temporal context memory to agent workflows with Zep

Use Zep as an external context layer for agents that need to store events, assemble temporal graph context, and retrieve relevant memory before model calls.

Adobe Firefly API Batch Image Generator

Calls Adobe Firefly

Verwandte Skills