用于在发布前对PII模型进行基准测试,通过合成数据验证精确跨度召回率和字符召回率。确保满足召回率阈值,防止隐私泄露,支持对比不同模型、阈值或量化版本的效果。
执行项目贡献结束前的全面QA审查流程。包括确定变更范围、调度检查清单及领域专家Agent进行并行审查,并运行确定性构建与测试命令。最终验证所有阻塞项修复情况,给出是否就绪的结论。
验证PR证据截图和Viewer HTML质量,检查图片尺寸、大小及空白度,并使用Playwright验证HTML渲染正确性,防止CI失败或误导。
指导用户通过交互式QA验证Expense Splitter应用,涵盖测试用例执行、缺陷调试及快速模式使用,确保构建功能符合预期。
针对代码变更执行端到端冒烟测试,通过沙箱脚本验证用户流程。在单元测试通过后或需快速验证影响时使用,确保功能正常运行并报告结果。
mm-doctor 用于系统健康检查与自动修复。触发场景包括用户请求检查系统、诊断故障或初始化新环境。主要任务为 testing,领域归属 devops-infra。
Statsmodels是Python统计建模库,用于回归、时间序列及经济计量分析。提供模型拟合、假设检验、诊断和推断工具,适用于严谨的统计分析与系数解读。
指导如何评估、设计、审查和清理测试用例,以最大化回归信号并降低维护成本。涵盖测试分层选择、质量门禁及编写规范,确保测试保护核心契约且具备可观测性。
指导在 Google SecOps 中编写、验证和部署 YARA-L 2.0 检测规则,评估检测覆盖缺口。提供从逻辑开发到威胁情报驱动的全面工作流,支持规则调优与合成数据测试,防范提示注入。
审计AI模型提供商,检测废弃、新增及配置变更。通过加载状态文件规划,顺序调用子代理进行网络搜索与JSON差异比对,确保sources.js与官方API同步,利用Git作为事实源。
基于Playwright的命令行浏览器自动化工具,支持页面导航、元素交互、截图及存储管理。
对技能进行质量评估,依据法律技能设计框架的十三个参数和三种失败模式,检查信任表面、新鲜度、架构等,生成就绪或存在顾虑的 verdict,用于安装前决策。
利用 Ongrid MCP 查询指定主机的运行状态、负载指标及告警信息,生成包含异常项与下一步建议的健康报告,支持设备ID查询与结果重试。


