Tubería de evidencia de 8 fases para fallos en Playwright, pytest, Jest, Cypress, Newman, k6 y JUnit. Escanea el historial de git, los registros de la aplicación y la configuración para producir hipótesis de causa raíz con puntuación de confianza. Se expone como servidor MCP, CLI y UI web en streaming.
Esta habilidad es un analizador inteligente de fallos de prueba para múltiples frameworks (Playwright, pytest, Jest, Cypress, Newman, k6 y JUnit). Implementa un pipeline de 8 fases que recopila y cruza evidencia de diversas fuentes: historial de commits de git, registros de aplicación, archivos de configuración y artefactos de prueba. El objetivo es generar hipótesis de causa raíz con una puntuación de confianza, ayudando a los desarrolladores a diagnosticar rápidamente por qué fallan las pruebas sin revisar manualmente cada detalle. Es compatible con múltiples plataformas de agente (Claude Code, Cursor, Codex) y se puede utilizar como servidor MCP (Model Context Protocol), como herramienta CLI independiente o mediante una interfaz web en streaming. Es especialmente útil en entornos de integración continua donde los fallos intermitentes o complejos requieren un análisis profundo y automatizado.
npx skills add aks-builds/ai-test-failure-analyzerInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Tubería de evidencia de 8 fases para fallos en Playwright, pytest, Jest, Cypress, Newman, k6 y JUnit. Escanea el historial de git, los registros de la aplicación y la configuración para producir hipótesis de causa raíz con puntuación de confianza. Se expone como servidor MCP, CLI y UI web en streaming.
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.