Data Quality Checks
数据质量检查是自动化的测试,用于验证数据是否符合预定义的标准
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
数据质量检查是自动化的测试,用于验证数据是否符合预定义的标准
调试Python(pdb, debugpy)、Go(delve)、Rust(lldb)和Node.js的工作流程,包括容器调试(kubectl debug, 临时容器)以及使用分布式追踪和关联ID的生产安全调试技术。在设置断点、调试容器/Pods、远程调试或生产环境调试时使用。
通过定价多只债券、检索参考数据、分析现金流和运行情景分析来审查固定收益投资组合。在审查债券投资组合、计算投资组合久期和DV01、分析现金流瀑布图、进行利率情景压力测试或评估投资组合构成时使用。
审阅提交到ApocoHQ后端代码挑战的内容。当评审候选人的Pokemon目录REST API提交、评估后端编码挑战或根据Apoco招聘挑战标准评估Node.js/TypeScript API实现时,请使用此技能。
分析代码库以识别可重用的代码模式、重复项和实现模式,以便于未来的开发。在重构代码、识别技术债务、寻找抽象机会或记录目录或模块中的常见模式时使用。输出模式目录、重构建议和可重用模板代码。
为Python中多个交互组件生成集成测试。当测试以下交互时使用:(1) 多个服务或API(REST/GraphQL端点、微服务),(2) 数据库操作与仓库/ORM(SQLAlchemy, Django ORM),(3) 外部服务(支付网关、邮件服务、第三方API),(4) 消息队列和事件驱动系统,(5) 全栈工作流(API + 数据库 + 业务逻辑)。提供基于pytest的集成测试结构模板、夹具、…
重构并改进Isabelle或Coq证明,以提高可读性、模块化和可维护性,同时不改变语义。当证明冗长且单一、存在重复模式、命名不清晰、缺乏文档,或者用户要求重构、清理、改进或重新组织其形式化证明时使用。
从代码或需求生成包括前置条件、后置条件、不变量和契约在内的形式化规范。在文档化API、创建形式化验证注释、定义函数契约、指定类不变量、编写基于契约设计的代码或准备进行形式化验证的代码时使用此技能。支持多种规范语言,包括JML、ACSL、Dafny、Eiffel契约以及文档注释。
模型风险管理(MRM)是一个旨在管理风险的框架
帮助在使用ESLint v9扁平配置的Vue项目中配置eslint-plugin-vue-modular,包括插件设置、架构边界规则、迁移策略和违规修复。
对设计或页面进行WCAG 2.1 AA级别的可访问性审核。当使用“audit accessibility”、“check a11y”、“is this accessible?”等命令时触发,或者在交接前审查设计的颜色对比度、键盘导航、触摸目标大小或屏幕阅读器行为时触发。
检测并分析软件需求和用户故事中的模糊语言。在审查需求文档、用户故事、规格说明或任何软件需求文本时使用,以识别模糊的数量词、不清楚的范围、未定义的术语、缺失的边界情况、主观性语言以及不完整的规格说明。提供带有澄清问题和改进建议的详细分析。
建议并应用代码重构以提高可读性、可维护性和代码质量。在改进现有代码结构、消除代码异味、应用设计模式、简化复杂逻辑、提取重复代码、为清晰而重命名或为新功能准备代码时使用此技能。提供具体的前后示例,解释好处,识别风险,并通过测试确保行为保持不变。
从函数式代码(Haskell、OCaml、F#)中提取抽象数学模型,以便在Isabelle/HOL中进行形式化推理。当用户需要:(1) 将函数程序转换为Isabelle定义;(2) 从实现代码中提取高层次算法精髓;(3) 从代码生成形式规范和属性;(4) 创建既捕捉到数学性质又抽象掉实现细节的验证就绪模型时使用。重点在于结构递归、代数数据类型、高阶函数以及不变量提取。
从需求生成全面的测试场景,包括BDD/Gherkin场景、单元测试、集成测试和端到端测试用例。当将需求、用户故事或规范转换为可测试场景时使用,确保涵盖所有情况,包括正常路径、错误案例、边缘情况和边界条件。输出结构化的测试套件,准备就绪可供实施。
生成能够通过现有单元测试的实现代码。当用户提供测试文件(Python pytest/unittest,Java JUnit/TestNG)并要求Claude实现这些测试通过的代码时使用。支持完整的TDD工作流程 - 分析测试、生成实现、运行测试、调试失败,并迭代直到所有测试通过。
通过自动化检查来强制执行代码质量标准的政策:
每当用户在执行前要求评估计划、策略、架构、功能或决策时,或者当他们想要对已存在的事物进行压力测试时,应用逆向思维和预后思考。触发短语如“这是个好主意吗?”、“可能会出什么问题?”、“审查这个计划”、“我们应该这样做吗?”、“我们是否遗漏了什么?”、“对此进行压力测试”、“有哪些风险?”或任何验证决策或设计的请求。主动使用此技能——即使用户没有明确要求,在他们即将做出决定之前也应该咨询此技能。
编码规则生成器 —— 从项目规范中提取并生成coding-rules.md。扫描CLAUDE.md、AGENTS.md、配置文件、现有源代码以及已安装的技能,以生成一个统一的coding-rules.md,作为spec-implement的质量门禁使用。英文触发词: "Generate coding rules", "Create coding-rules.md", "Extract projec…
搜索代码仓库中与给定代码片段相关的代码,按调用链相似性、文本相似性和功能相似性对结果进行排序。当查找相关代码、定位相似实现、发现代码依赖关系或识别执行类似操作的代码时使用。输出带有匹配代码片段和相关性评分的文件列表。
识别并分析软件需求中的冲突,包括逻辑矛盾、技术不兼容、资源限制、时间线问题、数据冲突以及利益相关者优先级不匹配。在审查需求集、规范、用户故事或项目计划时使用,以检测可能阻碍实施或导致返工的冲突。提供详细的冲突分析,包括解决策略和影响评估。
通过分析旧代码和新代码版本之间的变化及其现有测试来自动生成Python代码库的回归测试。迁移测试以适应新代码,为新功能生成测试,并为外部依赖创建模拟。支持unittest和pytest框架。在重构代码、添加功能或确保向后兼容时使用。
为程序(Python、C/C++、Java)编写工具,以在运行时捕获关键程序状态的快照,包括变量、内存和调用堆栈。当您需要调试复杂问题、重现测试案例、准备用于形式验证的跟踪或分析程序执行时,请使用此工具。支持手动设置检测点、自动函数/方法检测以及条件触发。输出结构化的JSON快照,用于调试、重放和验证工作流程。
使用基于修复bug的提交、提交历史和代码责任信息的SZZ风格分析来识别引入bug的提交。当需要追溯bug到其起源,确定哪些提交引入了bug,分析修复bug的提交以找到根本原因,进行软件仓库挖掘以进行bug分析,或对软件缺陷进行实证研究时,请使用此技能。当用户要求查找引入bug的提交、确定bug何时被引入、追溯bug的起源、执行SZZ分析或分析修复bug的提交时触发。