验证代码实现是否完整、正确且一致地匹配变更规范（Spec）、任务和设计文档。通过检查任务完成度、需求覆盖和设计一致性，生成包含关键问题和建议的验证报告，确保在归档前实现质量达标。
通过 ApexGuru API 对 Salesforce Apex 项目进行性能扫描，检测 SOQL/DML 循环等反模式，并输出详细修复建议。
执行真实用户视角的QA测试，覆盖UX缺陷挖掘、构建验收及Bug分级。自动生成结构化报告、HTML仪表盘及YES/NO发布建议，并同步至工程追踪工具，辅助团队决策。
提供测试金字塔架构、基于风险的测试策略及覆盖率目标，指导单元测试至E2E各层级的规划与CI集成，确保早期发现缺陷并提升软件质量。
用于编写或审查基准测试任务中的判定器（judge）逻辑，确保准确判断Agent是否完成任务。通过CRUD模型分类任务类型并选择正确检查策略，避免误判和漏判。
针对JavaScript/TypeScript应用的系统化测试与调试技能，涵盖单元测试、集成测试及端到端测试编写，支持Bug修复、覆盖率提升及代码质量分析。
用于UI视觉验证的CLI工具，通过录制视频、截图和错误报告来验证UI组件或页面的变更。适用于构建新功能、修改现有组件或修复视觉Bug后的质量检查流程。
用于编写 aimock 测试夹具，模拟 LLM 响应、工具调用序列及错误注入，支持多提供商和多媒体端点。适用于 AI 应用的单元测试、集成测试及混沌测试场景。
提供浏览器自动化技能，支持通过PilotDeck插件进行Web UI冒烟测试、截图、表单填写和DOM检查。强调优先使用缓存避免重复下载，仅在确需交互场景时启用。
通过CDP协议控制真实浏览器进行页面导航、交互、截图及视频录制。适用于需模拟用户操作或绕过反爬的场景，支持可见与无头模式，避免使用纯HTTP请求。
为新增的 SSIM 测试在 HuggingFace 上生成并上传参考数据（mp4 或 pt）。通过 Modal L40S 运行测试，下载产物供用户验证后上传至指定数据集。
为功能、缺陷修复等变更设计高价值测试策略，通过行为映射覆盖矩阵、识别边界场景及选择验证命令，避免脆弱测试。
用于重放经过清理的客户端工具调用夹具，针对Chat2API进行特定客户端的通过/失败规则验证。支持Cherry Studio、OpenAI兼容及HAR衍生客户端，可分别验证流式与非流式行为。
