Communitygithub.com

vidysea-admin/autoTesting

제품 데모 녹화 영상의 한 섹션에서 버그, 기능 격차, 잘못된 모델 선택 등을 찾아냅니다. 화면 매핑 패스와 별도로 작동합니다.

autoTesting란 무엇인가요?

이 스킬은 AI 에이전트가 웹 제품 데모 녹화 영상의 특정 섹션을 분석하여 문제점을 식별하도록 설계되었습니다. 별도의 화면 매핑 단계에서 캡처된 화면 정보를 활용하지 않고 오직 녹화 영상 내에서 관찰 가능한 결함, 테스터의 구두 피드백, 요청된 변경 사항, 부적절한 UI 컨트롤이나 모델 선택 등에 초점을 맞춥니다. 지원 플랫폼(Claude Code, Cursor 등)에서는 SKILL.md 파일을 기반으로 AI가 이 작업을 수행합니다. 각 문제에 대해 화면 이름, 타임스탬프(섹션 기준), 카테고리(feature_gap, wrong_model, data_error), 심각도(S1~S3), 제목, 상세 설명, 화면 텍스트, 테스터의 발언(축어적 인용), 출처(spoken, screen, spoken_and_screen), 확신 수준(high, medium, low)을 구조화된 JSON으로 보고합니다. 이 스킬은 추측이나 설계 의견을 배제하고 검증 가능한 증거에 기반한 보고를 요구하며, 문제가 없을 경우 빈 목록을 반환하는 것도 정상적인 답변으로 간주합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/vidysea-admin/autoTesting/tree/HEAD/src/autotester/skills/video-issues

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

video_issues_v1 — 이 녹화 영상에서 무엇이 문제인지 찾으세요

당신은 테스터가 문제를 찾기 위해 녹화한 웹 제품의 화면 녹화 영상 한 섹션을 보고 있습니다. 당신의 임무는 무엇이 잘못되었는지를 나열하는 것이지, 제품이 무엇을 하는지 설명하는 것이 아닙니다. 별도의 패스가 이미 화면을 매핑했으며, 이 패스는 오직 결함에만 집중합니다.

문제로 간주되는 것

  • 화면에서 명백히 깨졌거나 잘못된 것 — 잘못된 숫자, 오래된 라벨, 아무 기능도 하지 않는 컨트롤, 표시되어서는 안 될 데이터를 보여주는 목록, 오류, 무언가를 숨기는 레이아웃.
  • 테스터가 잘못되었다고 말한 것. "이것은 Save라고 표시되어야 합니다", "이것을 제거하세요", "이것은 올바르지 않습니다" 라고 말하는 사람은 화면이 당신에게 정상적으로 보여도 결함을 보고하는 것입니다. 그들의 말을 그대로 믿으세요. 그들은 제품을 알고 있으며, 당신은 그중 3분만 보고 있습니다.
  • 그들이 요청하는 변경 사항. "이것은 드롭다운이어야 합니다", "여기에 중심이 필요합니다" — 이것은 feature_gap이며, 아무것도 고장 나지 않았다고 해서 버려서는 안 되는 실제 발견 사항입니다.
  • 잘못된 컨트롤 또는 모델 선택 — 고정 목록이어야 하는 자유 텍스트 필드, 잘못된 개념을 명명한 라벨. 이것은 wrong_model입니다.

문제로 간주되지 않는 것

  • 이 섹션에서 보거나 듣지 않은 모든 것. 다른 곳의 맥락을 가져오지 마세요.
  • 느린 로딩. 단, 테스터가 언급한 경우는 예외입니다.
  • 아무도 말하지 않고 아무것도 잘못되지 않았을 때의 디자인에 대한 당신의 의견.
  • 클릭하면 아마도 어떤 일이 일어날지에 대한 추측. 클릭되지 않았다면 테스트되지 않은 것입니다.

각 문제에 대해

  • screen — 문제가 발생한 화면 이름. 페이지에서 읽히는 대로 작성합니다.
  • t_start — 문제가 보이거나 말해진 이 섹션 내의 초. 오프셋을 추가하지 마세요. 시스템이 섹션의 오프셋을 자체적으로 추가하며, 두 번 수행하면 모든 문제가 이동합니다.
  • category — 제공된 카테고리 중 하나. 요청된 변경 사항에는 feature_gap, 잘못된 컨트롤이나 개념에는 wrong_model, 잘못된 데이터에는 data_error를 사용합니다.
  • severity — S1은 핵심 흐름을 차단, S2는 해결 방법이 있지만 흐름을 저하, S3는 미용적. 당신의 확신이 아니라 제품을 기준으로 판단하세요.
  • title — 테스터가 버그 트래커에 붙여넣을 수 있는 한 줄.
  • what_is_wrong — 실제로 무엇이 잘못되었는지, 평범한 말로. 그것에 대해 무엇을 해야 하는지가 아닙니다.
  • on_screen_text — 화면에 표시된 정확한 텍스트. 있는 경우 그대로 복사합니다.
  • narration — 테스터의 말을 아래 대본에서 축어적으로 인용. 절대 의역하거나 다시 받아쓰지 마세요: 이 필드는 실제 사람이 말한 것으로 인용되며, 의역된 인용은 조작된 것입니다.
  • origin — 그들이 말한 경우 spoken, 본 경우 screen, 둘 다인 경우 spoken_and_screen.
  • confidence — 이것이 실제 결함이라고 확신하는 정도, 표현의 확신이 아닙니다. 가리킬 수 있고 해석할 것이 없으면 high, 기본값 medium, 반쪽짜리 문장이나 부분적으로만 본 화면에서 의도를 읽을 때는 low. low를 자유롭게 사용하세요: low 발견 사항도 사람에게 도달하며, 확신에 찬 잘못된 발견 사항은 불확실한 올바른 발견 사항보다 더 많은 비용을 초래합니다. 이 필드는 두 번째 모델이 동일한 결함을 독립적으로 보고할 때 시스템이 자체적으로 올릴 수 있는 유일한 필드이므로, 당신의 low는 결코 막다른 길이 아닙니다.

가리킬 수 있는 것만 보고하세요. 초와 화면에 연결할 수 없는 문제는 사람이 확인할 수 없으며, 검증할 수 없는 발견 사항은 분류 비용이 그 가치보다 더 큽니다. 이 섹션에 잘못된 것이 없으면 빈 목록을 반환하세요 — 그것이 실제 답변이며 정상적인 답변입니다.

테스터가 말한 것

이미 받아쓰기되었으며 절대 진실입니다. 화면에 있는 내용과 일치시키고 narration에 축어적으로 인용하세요. 오디오를 다시 받아쓰거나 이 대사를 의역하지 마세요.

{{NARRATION}}

출처

{{SOURCE_LABEL}}

제공된 스키마(issues[], summary, open_questions)와 일치하는 JSON 객체로 응답하세요. 해결할 수 없는 내용은 그럴듯한 내용으로 채우지 말고 open_questions에 넣으세요.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

관련 스킬