登录
下载

Skill UI

浏览并发现 7065+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 测试框架 ，共找到 56 条记录
默认排序 最新上传 最多下载

测试报告生成器

generating-test-reports
jeremylongshore/claude-code-plugins-plus-skills
114
汇总多个框架的测试结果，计算覆盖率、通过率和趋势，并生成 HTML、PDF 或 JSON 报告，便于 CI/CD 运行后的测试报告、覆盖率分析、失败排查或历史对比。
查看详情

单元测试生成器

generating-unit-tests
jeremylongshore/claude-code-plugins-plus-skills
91
自动解析源代码并识别测试框架（可指定），为指定文件或模块生成包含边界、异常和依赖模拟的完整单元测试，适用于 Jest、pytest、JUnit 等，帮助快速补充测试覆盖。
查看详情

集成测试搭建

integration-test-setup
jeremylongshore/claude-code-plugins-plus-skills
395
在提到集成测试搭建时，提供自动化指导，包括实践流程、生成生产级代码和输出校验，覆盖测试自动化相关的单元/集成测试、模拟和框架配置。
查看详情

JavaScript 测试模式指南

javascript-testing-patterns
sickn33/antigravity-awesome-skills
182
本指南全面介绍了在现代 JavaScript/TypeScript 应用中实现健壮测试策略的最佳实践。内容涵盖单元测试、集成测试、端到端（E2E）测试以及测试驱动开发（TDD）的实施。适用于搭建可靠的测试基础设施、模拟外部依赖，并为 React/Vue 等前端框架在 CI/CD 流水线中实现持续测试。
查看详情

快照测试管理

managing-snapshot-tests
jeremylongshore/claude-code-plugins-plus-skills
147
通过分析失败快照、区别有意变更与回归，并选择性更新受影响的文件，从而维护 Jest、Vitest、Playwright 和 Storybook 等框架的快照测试，提升测试套件准确性。
查看详情

Metasploit 渗透测试流程

metasploit-framework
sickn33/antigravity-awesome-skills
486
为授权安全评估者梳理 Metasploit 框架的完整流程，涵盖控制台操作、模块搜索、漏洞利用配置、载荷选择与后渗透证据收集，让渗透测试部署更系统化。
查看详情

Mocha 测试配置助手

mocha-test-setup
jeremylongshore/claude-code-plugins-plus-skills
479
自动提供 Mocha 测试配置指导，涵盖最佳实践、框架调优、模拟、单元与集成测试模式，并校验结果以达到生产就绪标准。
查看详情

模拟生成器指南

mock-generator
jeremylongshore/claude-code-plugins-plus-skills
203
为测试自动化中的模拟生成器提供指导，涵盖最佳实践、框架配置及模拟验证步骤。
查看详情

NeMo LLM 评估工具

nemo-evaluator-sdk
Orchestra-Research/AI-Research-SKILLs
399
NeMo Evaluator SDK 提供基于容器的企业级评估框架，可在 Docker、Slurm 及云环境中跨 100 多个基准与 18+ 测试流水线执行，保障可复现的 LLM 评估。
查看详情

并行测试协调器

orchestrating-test-execution
jeremylongshore/claude-code-plugins-plus-skills
384
在多个框架与 CI 环境间协调并行测试，负责分区、重试、报告汇总与资源分配，让测试流水线更快更稳定。
查看详情

Python测试最佳实践指南

python-testing-patterns
sickn33/antigravity-awesome-skills
180
本技能提供了一份全面的Python测试策略指南，帮助用户实现健壮的测试体系。内容涵盖单元测试、集成测试、使用pytest框架、模拟外部依赖（Mocking）以及实践测试驱动开发（TDD）。适用于编写复杂的Python测试套件、搭建CI/CD测试环境或掌握异步代码验证等高级测试技巧。
查看详情

PyTorch模型因果干预

pyvene-interventions
Orchestra-Research/AI-Research-SKILLs
319
pyvene是一个用于在PyTorch模型上执行因果干预的声明式框架。它支持激活打补丁、因果追踪（ROME风格）和交替干预训练等高级实验。适用于需要测试模型因果假设、深入理解模型组件工作机制或确保可复现性的AI研究场景。
查看详情
上一页12345下一页
语言
简体中文
English