dart-run-static-analysis は何をしますか？
dart analyze を実行して警告やエラーを特定し、dart fix --apply を使用して機械的な lint 問題を自動的に解決します。開発中やコミット前にコード品質を確保するために使用します。
`dart analyze` を実行して警告やエラーを特定し、`dart fix --apply` を使用して機械的な lint 問題を自動的に解決します。開発中やコミット前にコード品質を確保するために使用します。
このスキルは、Dart プロジェクトにおける静的解析と自動修正を提供します。`dart analyze` コマンドを実行してコード内の警告やエラーを特定し、次に `dart fix --apply` を使用して機械的に修正可能な lint 問題を自動的に解決します。開発中やコミット前にこのスキルを使用することで、コード品質を一貫して維持し、潜在的なバグを早期に発見できます。主に Dart 言語と Flutter プロジェクト向けに設計されており、開発プロセスにシームレスに統合できます。このスキルは CI/CD パイプラインでも活用可能で、自動化されたコードレビューの一環として静的解析を実行できます。
npx skills add https://github.com/dart-lang/skills/tree/main/skills/dart-run-static-analysisInstalled? Explore more 研究＆データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
dart analyze を実行して警告やエラーを特定し、dart fix --apply を使用して機械的な lint 問題を自動的に解決します。開発中やコミット前にコード品質を確保するために使用します。
This repo contains 8 individual skills — each has its own dedicated page.
Write and organize unit tests for functions, methods, and classes using `package:test`. Use when creating new logic or fixing bugs to ensure code remains correct and regression-free.
Entrypoint structure, exit codes, cross-platform scripts. Use when building command line utilities, scripts, or applications.
Collect coverage using the coverage packge and create an LCOV report
Uses get_runtime_errors and lsp to fetch an active stack trace, locate the failing line, apply a fix, and verify resolution via hot_reload.
Define and generate mock objects for external dependencies using `package:mockito` and `build_runner`. Use when unit testing classes that depend on complex external services like APIs or databases.
Replace the usage of `expect` and similar functions from `package:matcher` to `package:checks` equivalents.
Workflow for fixing package version conflicts. Use this when `pub get` fails due to incompatible package versions.
Use switch expressions and pattern matching where appropriate
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.