e2e-frontend-validation
Skillgithub.com
提供端到端的前端修改验证能力,通过自动化构建、启动本地服务、遍历所有路由并执行浏览器导航与截图,确保 playground 包中 UI 变更正确渲染且交互功能正常。
阿钰同学
Reusable Skill entries; sign in to view source pages.
github.com
提供端到端的前端修改验证能力,通过自动化构建、启动本地服务、遍历所有路由并执行浏览器导航与截图,确保 playground 包中 UI 变更正确渲染且交互功能正常。
github.com
自动生成覆盖完整用户流程的端到端测试脚本,模拟真实浏览器操作来验证网页应用的关键功能,如注册登录、购物车结算等多步骤交互,并支持跨浏览器与多设备响应式验证。
github.com
自动生成 Web 应用的端到端测试,模拟用户注册、登录、购物车和结账等多步骤操作,支持跨浏览器验证与响应式检查,确保核心流程在真实环境中的功能正确性。
github.com
支持端到端浏览器自动化测试,基于 Playwright 框架与 testcontainers 技术栈,完整模拟用户多步骤操作流程,自动分析失败原因、定位缺失的测试标识符,并提升测试稳定性与可维护性。
github.com
通过端到端测试验证前端功能与交互,结合页面对象模型提升测试可维护性,优先使用语义化选择器定位元素,并集成自动化辅助功能检测,确保界面行为及无障碍合规性。
github.com
构建稳定、高效的端到端测试体系,覆盖核心用户流程、多浏览器兼容性及真实接口集成,通过页面对象模型、智能等待与网络拦截提升测试可靠性,支持并行执行、视觉回归与无障碍检测,适用于快速交付且需保障关键路径质量的复杂前端场景。
github.com
掌握端到端测试的核心方法论与工程实践,覆盖测试策略设计、跨浏览器验证、真实用户流程模拟、API交互验证及可访问性检查,支持构建高可靠性、易维护且快速反馈的自动化测试体系。
github.com
提供端到端自动化测试的全流程支持,覆盖用户旅程规划、基于真实浏览器交互的测试脚本生成,以及失败用例的自动诊断与修复,确保所有测试严格模拟人工操作并验证可见界面反馈。
github.com
自动监控模型训练过程中的性能指标,当验证损失不再改善时提前终止训练,避免过拟合并节省计算资源,适用于深度学习与机器学习实验的优化场景。
github.com
自动处理机器学习训练中的早停机制配置与实现,提供符合行业规范的代码生成、参数调优建议及配置校验能力,适用于模型训练过程中的过拟合防控和资源优化场景。
github.com
提供对 AWS云环境中虚拟计算资源的全生命周期管控,涵盖实例启停、网络与安全配置、存储挂载及镜像管理,支持按需、竞价或预留模式部署,适用于弹性伸缩、成本优化与自动化运维场景。
github.com
为 EchoKit 语音服务器自动化生成标准化 config.toml 配置文件,支持交互式定义助手角色、逐项选择并配置语音识别、语音合成与大语言模型服务,可选集成 MCP 服务器,自动填充 API 密钥、构建并启动服务进程,全程覆盖从初始化到运行的完整部署流程。
github.com
实现电力系统中发电机的经济调度与成本优化,支持在满足负荷需求和设备出力限制的前提下,自动计算各机组最优出力、备用容量及运行裕度,并输出总发电成本、负荷平衡状态和备用覆盖情况。
github.com
提供对 AWS ECS 容器编排服务的全生命周期管理能力,涵盖集群创建与维护、任务定义注册、服务部署与扩缩容、独立任务运行及故障排查,支持 Fargate 和 EC2 两种启动类型,适用于云原生应用的自动化交付与运维。
github.com
自动化创建和配置 AWS ECS 任务定义,涵盖容器镜像、资源限制、网络模式及环境变量等核心参数,生成符合生产环境标准的 JSON 或 YAML 格式定义文件,并提供合规性校验与最佳实践建议。
github.com
自动构建符合 AWS 最佳实践的 ECS 任务定义,涵盖容器配置、资源分配、网络模式及安全策略等核心参数,生成可直接部署的生产级配置文件。
github.com
对产品需求文档开展系统性健壮性审查,覆盖输入异常、状态冲突、用户误操作、错误恢复、数据兼容、安全边界及性能瓶颈等维度,识别潜在失效场景并提出可落地的补充条款或功能迭代建议,确保方案在真实复杂环境中稳定可靠。
github.com
实现紧急地震速报功能的架构设计,支持多源数据整合与分级缓存管理,区分处理地震动预报和警报电文,按报数独立追踪并依据来源优先级自动合并更新,最终驱动UI实时展示震源参数、预警区域及精度信息。
github.com
基于 Effect-TS 构建数据处理流水线,支持从内存数据或文件创建流,实现高效的数据转换、并发处理与批量操作。通过分页抽象整合多源数据,利用合并、分组和广播实现复杂流程编排。具备自动重试、资源安全管理和背压控制能力,结合死信队列保障系统弹性,适用于大规模数据处理与高可靠场景。
github.com
提供 Effect-TS 并发编程的入门能力,涵盖竞速执行与超时控制、轻量级 Fiber 协程管理、以及独立任务的并行调度,帮助开发者构建响应迅速、容错性强且资源高效的异步应用。
github.com
通过类型安全的错误定义、可选值显式建模及数据验证模式,实现对领域模型的精确表达。利用标记错误区分异常类型,结合品牌化类型与模式转换确保输入合法,并用生成器语法组织业务流程,提升代码可维护性与可靠性。
github.com
提供 Effect-TS 应用中面向业务场景的错误处理能力,支持批量验证时收集全部错误、跨调用链保留上下文并分层恢复、以及基于自定义错误类型实现精准策略决策,兼顾开发体验与系统健壮性。
github.com
提供在 Effect-TS 应用中增强容错能力的重试策略,通过指数退避叠加随机抖动实现智能延迟重试,有效缓解服务雪崩、惊群效应与资源耗尽问题,提升系统在不稳定依赖下的稳定性与恢复成功率。
github.com
提供类型安全的错误处理机制,通过模式匹配和标签化异常实现声明式错误捕获与恢复,支持对可预期失败进行重试、降级或转换,同时隔离底层实现细节,确保程序在面对网络波动、数据校验失败等场景时具备弹性与可观测性。