
Fix Tests (Grade A)Δεξιότητα ανάπτυξης ελεγμένης ασφάλειας για Claude AI. Βαθμός A. Συστηματική ροή εργασίας για διάγνωση και διόρθωση αποτυχημένων τεστ. Χρησιμοποιείται όταν ο χρήστης αναφέρει αποτυχημένα τεστ ή ζητά την διόρθωση αποτυχιών τεστ.
Επισκόπηση
Βασικές λειτουργίες
- Αναγνώριση αποτυχημένων τεστ με μηνύματα σφάλματος
- Κατηγοριοποίηση αποτυχιών ανά τύπο (assertion, timeout, mock, type)
- Εφαρμογή κοινών προτύπων διόρθωσης για προβλήματα mock και assertion
- Διόρθωση ενός τεστ τη φορά με επαλήθευση
- Επαλήθευση ολόκληρης σουίτας τεστ και κάλυψης
Τιμές
- Μοντέλο
- Free
- Κατηγορία
- Δεξιότητες
- Βαθμολογία
- Καμία κριτική ακόμα
Περιπτώσεις χρήσης
Διάγνωση αποτυχημένων τεστ
Χρησιμοποιείται όταν ένας χρήστης αναφέρει αποτυχημένα τεστ για να τα εντοπίσει και να τα κατηγοριοποιήσει συστηματικά.
Διόρθωση αποτυχιών τεστ
Εφαρμόζει κοινά πρότυπα διόρθωσης για προβλήματα όπως mock που δεν επιστρέφει τις αναμενόμενες τιμές ή λανθασμένους matchers.
Υπέρ και κατά
Υπέρ
- Συστηματική προσέγγιση στη διόρθωση αποτυχιών τεστ
- Δίνει έμφαση στην επαλήθευση για την αποφυγή δημιουργίας νέων αποτυχιών
- Καλύπτει κοινά ζητήματα όπως προβλήματα mock και assertion
Κατά
- Εξαρτάται από ακριβή εντολή εκτέλεσης τεστ και ρύθμιση ελέγχου τύπων
- Μπορεί να μην καλύπτει όλα τα πιθανά σενάρια αποτυχίας τεστ
- Απαιτεί χειροκίνητη προσπάθεια για ανάλυση και διόρθωση κάθε τεστ
Κριτικές
Σύνδεση για κριτική.
Καμία κριτική. Γίνε ο πρώτος!
Ερωτήσεις
Why You Should Use This?
| Audience | Key Benefits | | -------------------- | ------------------------------------------------------------------------------------------------- | | Individual | 30%+ token savings, stop repeating standards, security guardrails, instant scaffolding | | Teams | Consistent AI behavior, day-one onboarding, codified patterns, compounding cost savings | | Organizations | Always-on compliance, same standards across 1,000 projects, central governance, measurable ROI |
Asked by Jana Krejčí · May 28, 2026
What You Can Customize?
| Section | What It Controls | Example | | ------------- | -------------------------- | ---------------------------------------------- | | project | Project identity | Name, description, repo URL | | techStack | Language, framework, tools | TypeScript + Express or Python + FastAPI | | paths | Directory structure | Where handlers, services, and common code live | | domain | Business entities | Order, Product, Customer + lifecycle states | | patterns | Code patterns | 7-step handler flow, error handling strategy | | testing | Quality gates | 90% coverage, test/lint/type-check commands | | database | DB conventions | Soft delete field, timestamp columns, naming | | packages | Internal packages | @your-org scope, registry URL | | conventions | Git and workflow | Branch prefixes, commit format, PR templates |
Asked by Naomi Suzuki · May 1, 2026
What it detects?
| Category | Signals | | ------------------ | ------------------------------------------------------------------------------------------ | | Language | tsconfig.json, go.mod, Cargo.toml, requirements.txt, pom.xml, file extensions | | Framework | Dependencies in package.json / requirements.txt (React, Express, Django, Spring, etc.) | | Database | ORM configs (prisma/, sequelize, typeorm), .sql files, migration folders | | Testing | jest.config., vitest, pytest, cypress/, playwright.config. | | Infrastructure | Dockerfile, terraform/, cdk.json, serverless.yml, cloud SDK deps | | CI/CD | .github/workflows/, .gitlab-ci.yml, Jenkinsfile |
Asked by Vasyl Kovalenko · Apr 12, 2026
What's Inside?
| Layer | Count | What It Does | How It's Triggered | | ------------- | ----- | ------------------------------------------------- | ----------------------------------- | | Rules | 47 | Enforces coding standards on every AI interaction | Automatically — always on | | Agents | 62 | Specialized assistants for complex tasks | On demand — /agent-name | | Skills | 50 | Step-by-step guided workflows with checklists | Contextually — when patterns match | | Commands | 37 | Lightweight, token-efficient quick actions | On demand — /command | | Hooks | 12 | Automation scripts in the AI loop | Event-driven — before/after actions | | Templates | 9 | Scaffolding for handlers, components, tests, etc. | Referenced by skills and agents |
Asked by Wolfgang Krause · Mar 24, 2026
How It Works?
Layer 1 — Pre-Processing: Hooks inject project context and block dangerous commands before your prompt reaches the AI. Layer 2 — Rules Engine: 47 always-on rules enforce token efficiency, security, architecture, code standards, database conventions, and testing thresholds. Layer 3 — Specialized Processing: The right component activates — an agent, skill, or command — based on your prompt. Layer 4 — Post-Processing: Hooks validate output, auto-format, scan for secrets, and verify coverage.
Asked by Xiomara Delgado · Mar 15, 2026
Κάνε μια ερώτηση
Εναλλακτικές για Δεξιότητες
Manage Headers (Grade A)
Δεξιότητες
Δεδομένης ασφάλειας ανάπτυξης για τον Claude AI. Βαθμός Α. Ελέγχει και ρυθμίζει τις κεφαλίδες ασφαλείας που στέλνει ένας ιστότοπος Power Pages στους browsers — Content Security Policy, προστασία frame και clickjacking.
Using Git Worktrees (Grade A)
Δεξιότητες
Δεδομένα AI με δοκιμή ασφαλείας για το Claude AI. Grade A. Χρησιμοποιήστε όταν ξεκινάτε εργασίες χαρακτηριστικών που χρειάζονται απομόνωση από το τρέχον workspace ή πριν εκτελέσετε σχέδια υλοποίησης – δημιουργεί απομονωμένο git worktree
Ga4 Bigquery Schema (Grade A)
Δεξιότητες
Δεξιότητα data‑ai ελεγμένη ασφάλεια για Claude AI. Βαθμός A. Αναφορά Σχήματος Εξαγωγής GA4 στο BigQuery — πλήρης αναφορά πεδίων, ένθετες δομές, μοτίβα ερωτημάτων και συμβουλές απόδοσης
Meta Capi (Grade A)
Δεξιότητες
Ασφαλής data‑ai λειτουργία για το Claude AI. Βαθμός Α. Αναφορά εγκατάστασης Meta Conversions API (CAPI) – αρχιτεκτονική, τύποι γεγονότων, κρυπτογράφηση πληροφοριών πελατών, αποφυγή διπλοτύπων, παραδείγματα υλοποίησης, AEM
Callees (Grade A)
Δεξιότητες
Ασφαλειά-ελεγμένου développement skill για τον Claude AI. Α' κατηγορίας. Λίστα όσα μια funkcio/metodo καλεί (call graph direct)
Test Module Name (Grade A)
Δεξιότητες
Προστασία-ελεγχόμενη δεξιότητα data-ai για το Claude AI. Βαθμός A. Ονομάστε τα μοντέλα δοκιμών Haskell με βάση το μοντέλο υπό δοκιμή, προσθέτοντας το κατάληξη Spec στο ίδιο namespace. Χρησιμοποιήστε όταν γράφετε ή αναθεωρείτε ένα μοντέλο δοκιμών Haskell.
Board Of Directors (Grade A)
Δεξιότητες
Σημαντικά ελεγχμένο δεδομένο-αι skill για Claude AI. Α级. Δοκιμάστε μια 5-μελή.expert τούρνα για σημαντικές αποφάσεις.
Advpl Mvc Avancado (Grade A)
Δεξιότητες
Δυναμική εξέλιξη επανδρωμένης δεξιοτήτας για τον Claude AI. Grade A. Ανιχνευμένη ασφάλεια ανάπτυξης via PE (Πόντοι Ένταξης) — προσθήκη ατομικών τμημάτων στην οθόνη MVC προεπιλογής (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU)
Trending now
Reducto AI
Πλατφόρμες Ανάπτυξης Ασυνείδητων Αγωγών
API ευφυούς επεξεργασίας εγγράφων που αναλύει, χωρίζει, κάνει OCR και εξάγει δομημένα δεδομένα από σύνθετα PDF, διαφάνειες και λογιστικά φύλλα.
AdCrier
Κλλεκγθερόσ μεταβηαδεπημακη
Κομπολεπιθούμενοι απαντήσεις, ταμείνου ανά κλικ.
Biology AI
Εκπαίδευση AI
Σεμάντηση Έργο με Πλήρεις Ηλεκτρονικές Αποδευμάτων
Pixtral 12B 24.09
Μορφές Λόγου Υπολογιστή (LLM)
Ανοιχτό πολυμορφικό μοντέλο 12B που χειρίζεται αλληλοεναλλασσόμενες εικόνες και κείμενο με παράθυρο συμφραζομένων 128K.




