Communitygithub.com

NaoDeng Awesome QA Skills

Awesome QA Skills — una biblioteca bilingüe (zh/en) de habilidades de agente de testing para Codex, Cursor, Claude Code, Kiro, OpenCode y Trae. Incluye 4 flujos de trabajo y 25 tipos de habilidades (58 carpetas con paridad de idiomas): instalables de forma independiente, componibles y listas para evaluación con skill-up. Cubre requisitos, estrategia, casos, API/rendimiento/seguridad.

¿Qué es NaoDeng Awesome QA Skills?

Esta habilidad de agente de testing, denominada 'NaoDeng Awesome QA Skills', proporciona una colección completa de flujos de trabajo y habilidades especializadas para realizar pruebas de software, incluyendo pruebas de API (REST, GraphQL, SOAP, gRPC, WebSocket), pruebas de rendimiento y seguridad. Está diseñada para ser utilizada con asistentes de IA como Codex, Cursor, Claude Code, Kiro, OpenCode y Trae, y es bilingüe (chino e inglés). La biblioteca se compone de 58 carpetas de habilidades que cubren 25 tipos de habilidades y 4 flujos de trabajo principales, cada una instalable de forma independiente y componible para crear flujos de prueba complejos. Incluye una capacidad de evaluación integrada mediante la herramienta 'skill-up', lo que permite verificar la efectividad de las habilidades. El enfoque principal de la habilidad de testing de API es priorizar las pruebas según el riesgo y el impacto en el negocio, generar casos concretos y ejecutables, y separar los hechos confirmados de las suposiciones. La habilidad está documentada de manera exhaustiva, con indicaciones progresivas, plantillas de salida, formatos de exportación, scripts de ayuda y referencias para marcos de trabajo y solución de problemas.

Compatible con✓Claude Code✓Codex CLI✓Cursor✓OpenCode
npx skills add naodeng/awesome-qa-skills

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

API Testing (Español)

中文版: Consulte la habilidad correspondiente en chino.

Cuándo Usar

  • Necesita un plan de pruebas de API, casos de API o análisis de riesgos de API.
  • La solicitud involucra REST, GraphQL, SOAP, gRPC, WebSocket o comportamiento de API mixto.

Flujo de Trabajo

  1. Lea y siga el prompt principal que se muestra en Divulgación progresiva (cobertura, estructura, nivel de calidad).
  2. Añada solo el contexto del proyecto que cambie el resultado: alcance, entorno, restricciones, riesgos, dependencias, entregable esperado.
  3. Si la entrada está incompleta, devuelva un primer borrador utilizable y marque explícitamente las suposiciones y las lagunas.
  4. Por defecto, use Markdown; cambie de formato solo cuando el usuario lo solicite.

Restricciones Principales

  • Priorice por riesgo / impacto en el negocio — no trate todo por igual.
  • Separe los hechos confirmados de las suposiciones actuales.
  • No invente endpoints, campos, entornos o causas raíz que el usuario no haya proporcionado.
  • Mantenga la salida ejecutable: escenarios concretos, prioridad clara, pasos siguientes claros.

Divulgación Progresiva

  • Antes de producir una salida, lea y siga prompts/api-testing.md (cobertura mínima, estructura de salida, nivel de calidad).
  • Cuando se solicite Excel/CSV/JSON/Word: lea output-formats.md y respete el formato.
  • Cuando una plantilla prefabricada sea adecuada: use los archivos correspondientes en output-templates/.
  • Para notas profundas sobre marcos de trabajo/solución de problemas/esquemas: lea solo el/los archivo(s) relevante(s) de references/, no cargue todo el directorio.
  • Para conversión de formato o comprobaciones auxiliares: prefiera los scripts/ existentes sobre reinventar la rueda.
  • Para evaluar/regresionar esta habilidad: use evals/ con skill-up.

Lista de Verificación Previa a la Entrega

  • He seguido la estructura de salida del prompt principal
  • Enfoque de cobertura mínima: endpoints o flujos de negocio dentro del alcance, prioridad y nivel de riesgo, escenarios positivos, escenarios negativos, escenarios límite, comprobaciones de autenticación y permisos, validación de solicitud y respuesta, manejo de errores, ... (detalles en el prompt principal)
  • He cubierto la lista de verificación mínima, o he explicado las omisiones
  • Los elementos de alto riesgo tienen prioridad explícita
  • No he inventado detalles que el usuario no proporcionó
  • Las suposiciones y las lagunas están marcadas

Errores Comunes

  • No finja completitud cuando falte alcance/contexto.
  • No trate cada elemento como igualmente importante.
  • No omita suposiciones y lagunas de información.
  • No vierta teoría genérica no relacionada con el conjunto de herramientas actual.

Traducción realizada con cuidado para mantener la precisión técnica y la naturalidad en español.

Skills relacionados