Communitygithub.com

browser-qa

Use esta skill para automatizar testes visuais e verificação de interações de interface do usuário usando automação de navegador após a implantação de funcionalidades.

O que é browser-qa?

Browser QA é uma skill especializada para agentes de IA, como os usados no Claude Code ou Cursor, que permite realizar testes visuais automatizados e verificação de interações de UI em páginas web após a implantação de funcionalidades. Ela utiliza ferramentas de automação de navegador como Playwright, Puppeteer ou o MCP claude-in-chrome para interagir com páginas ao vivo como um usuário real. A skill é estruturada em quatro fases principais: teste de fumaça (verificação de erros de console, requisições de rede e Core Web Vitals), teste de interação (navegação, formulários, fluxos de autenticação), regressão visual (comparação de screenshots em diferentes viewports) e testes de acessibilidade (usando axe-core e verificações WCAG). É particularmente útil para desenvolvedores que precisam garantir a qualidade de front-end antes de enviar código para produção, revisar PRs que afetam a interface, ou realizar auditorias de acessibilidade e testes responsivos. Por padrão, a skill opera em modo somente leitura para evitar mutações em URLs de produção, exigindo opt-in explícito para ações destrutivas como checkout ou pagamento, e sempre usando credenciais de teste. O formato de saída é um relatório detalhado em Markdown com seções para cada fase, incluindo um veredito final que pode ser SHIP, SHIP WITH FIXES, DO NOT SHIP ou INCONCLUSIVE.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/browser-qa

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Browser QA — Teste Visual Automatizado e Interação

Quando Usar

  • Após implantar uma funcionalidade em staging/preview
  • Quando precisar verificar o comportamento da UI em diferentes páginas
  • Antes de enviar para produção — confirme se layouts, formulários e interações realmente funcionam
  • Ao revisar PRs que alteram o front-end
  • Auditorias de acessibilidade e testes responsivos

Como Funciona

Usa o MCP de automação de navegador (claude-in-chrome, Playwright ou Puppeteer) para interagir com páginas ao vivo como um usuário real.

Segurança em primeiro lugar — raio de alcance (executar somente leitura por padrão)

O Browser QA aciona autenticação real e jornadas reais de usuário, portanto trate o raio de alcance explicitamente. Padrão para somente leitura: nunca execute uma jornada mutante (checkout, pagamento, exclusão, atualização em massa) contra uma URL de produção — exija um opt-in explícito e uma URL de staging/preview. Use credenciais de teste preparadas, nunca logins reais de produção, e redija credenciais/tokens/PII antes de salvar qualquer screenshot.

Fase 1: Teste de Fumaça

1. Navegue até a URL alvo
2. Verifique erros de console (filtre ruído: analytics, terceiros)
3. Verifique se não há 4xx/5xx nas requisições de rede
4. Capture screenshot acima da dobra no viewport desktop + mobile
5. Verifique os Core Web Vitals: LCP < 2,5s, CLS < 0,1, INP < 200ms
   (INP substituiu FID em março de 2024; limites conforme web.dev)

Fase 2: Teste de Interação

1. Clique em cada link de navegação — verifique se não há links quebrados
2. Envie formulários com dados válidos — verifique o estado de sucesso
3. Envie formulários com dados inválidos — verifique o estado de erro
4. Teste o fluxo de autenticação: login → página protegida → logout (apenas credenciais de teste, nunca produção)
5. Teste jornadas críticas do usuário (checkout, onboarding, pesquisa)
   — somente leitura por padrão; apenas execute jornadas mutantes contra staging
     com opt-in explícito (veja "Segurança em primeiro lugar" acima)

Fase 3: Regressão Visual

1. Capture screenshots de páginas-chave em 3 breakpoints (375px, 768px, 1440px)
2. Compare com screenshots de base confirmados
   — sem linha de base ⇒ reporte INCONCLUSIVO, nunca um PASS silencioso
3. Sinalize mudanças de layout > 5px, elementos ausentes, overflow
4. Verifique o modo escuro se aplicável

Fase 4: Acessibilidade

1. Execute axe-core ou equivalente em cada página
2. Sinalize violações WCAG 2.2 AA (contraste, rótulos, ordem de foco)
3. Verifique se a navegação por teclado funciona de ponta a ponta
4. Verifique os marcos do leitor de tela

Nota: axe-core cobre automaticamente cerca de 30–40% do WCAG. Uma execução limpa é necessária, não suficiente — navegação por teclado, ordem de foco e uma passagem com leitor de tela ainda precisam de uma verificação manual. Não relate "acessível" apenas com base em uma passagem automatizada.

Formato de Saída

## Relatório QA — [URL] — [timestamp]

### Teste de Fumaça
- Erros de console: 0 críticos, 2 avisos (ruído de analytics)
- Rede: todos 200/304, sem falhas
- Core Web Vitals: LCP 1,2s ✓, CLS 0,02 ✓, INP 89ms ✓

### Interações
- [✓] Links de navegação: 12/12 funcionando
- [✗] Formulário de contato: estado de erro ausente para email inválido
- [✓] Fluxo de autenticação: login/logout funcionando

### Visual
- [✗] Seção hero transborda no viewport de 375px
- [✓] Modo escuro: todas as páginas consistentes

### Acessibilidade
- 2 violações AA: texto alternativo ausente na imagem hero, contraste baixo nos links do rodapé

### Veredito: ENVIAR COM CORREÇÕES (2 problemas, 0 bloqueadores)
# veredito ∈ ENVIAR / ENVIAR COM CORREÇÕES / NÃO ENVIAR; use INCONCLUSIVO se não houver linha de base visual

Integração

Funciona com qualquer MCP de navegador:

  • Ferramentas mChild__claude-in-chrome__* (preferido — usa seu Chrome real)
  • Playwright via mcp__browserbase__*
  • Scripts Puppeteer diretos

Combine com /canary-watch para monitoramento pós-implantação.

Individual skills in this repo

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

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas