当用户想要计划、设计或实施 A/B 测试或实验时。当用户提到“A/B 测试”、“分割测试”、“实验”、“测试此更改”、“变体副本”、“多变量测试”、“假设”、“我应该测试这个”、“哪个版本更好”、“测试两个版本”、“统计显着性”或“我应该运行此测试多长时间”时也可使用。每当有人比较两种方法并想要衡量哪种方法效果更好时，请使用此方法。有关跟踪实施情况，请参阅分析跟踪。对于页面级转换优化，请参阅 page-cro。
当用户要求“运行 e2e 测试”、“测试 ClawTeam”、“端到端测试”、“测试代理团队”、“验证 ClawTeam 工作”、“开发测试”或想要验证完整的 ClawTeam 生命周期时，应使用此技能。运行完整的端到端测试：清理→创建团队→创建具有依赖项的任务→生成代理→等待完成→验证结果→清理。
当用户要求“测试 saas 跨存储库功能”、“将功能分支部署到暂存”、“针对 OH Cloud 分支测试 SDK”、“e2e 测试云工作区功能”、“测试机密 saas 继承”时，或者当更改跨越 SDK 和 OpenHands 企业并需要针对暂存部署进行端到端验证时，应使用此技能。
以统计严谨性设计、计划和分析 A/B 测试。当用户询问 A/B 测试、对比测试、实验设计、统计显着性、样本量计算、测试持续时间、多变量测试或转换实验时使用。触发短语包括“A/B 测试”、“分割测试”、“实验”、“统计显着性”、“样本量”、“测试持续时间”、“哪个版本获胜”、“转换实验”、“假设检验”、“变体测试”。
为 COBOL 到 Java 的迁移设置构建环境和测试装置。为两种语言创建编译基础设施并生成黄金测试数据。
一项考验技能
分析来自 tobari.toon 的测试覆盖率数据并帮助逐步提高测试覆盖率。当用户在启用了 tobari 的情况下运行 go test（例如，`GOFLAGS="$(tobari flags)" go test ./...`）并希望提高测试覆盖率或增加代码覆盖率时使用。触发“提高覆盖率”、“增加覆盖率”、“覆盖率提高”或“添加更多测试”等短语。
使用可追溯性矩阵 (RTM) 将需求（PRD/用户故事/AC）映射到全面的测试覆盖范围。输出覆盖范围差距、风险、测试级别、优先级、自动化候选者和变更影响说明。专为 QA/测试架构师工作流程而设计。
Backseat Driver 的 E2E 测试编写。使用场合：在 e2e-test-ws/ 下编写、修改或调试 e2e 测试、添加新的 MCP 测试场景、调查测试失败、了解测试基础架构或使用与 e2e 工作区中的 *_test.cljs 匹配的文件。
高级测试架构师和质量顾问。当用户要求与 Murat 交谈或请求测试架构师时使用。
为联属内容生成 A/B 测试变体。触发条件：“创建 A/B 测试”、“测试我的标题”、“优化我的 CTA”、“生成变体”、“拆分测试想法”、“提高点击率”、“测试我的着陆页副本”、“标题替代方案”、“CTA 变体”、“哪个版本更好”、“优化转化”、“测试我的电子邮件主题行”、“比较方法”。
为 CodeScene MCP Server 编写端到端集成测试，涵盖文件结构、后端抽象、MCPClient 使用、测试注册和验证。
skill-sample/ ├─ SKILL.md ⭐ 必备：技能说明入口：用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐：机器可读元信息：用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐：授权与使用范围：开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本：让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范：统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源：报告/文档模板，快速生成标准产物 └─ references/ 🧩 参考资料库：方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考：章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考：常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考：图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档：https://agentskills.io/home
├─ ⭐ 必备：YAML Frontmatter（必须存在，放在文件最顶部） │ ├─ ⭐ name ：技能唯一名；须符合命名规则，并建议与目录名一致 │ └─ ⭐ description ：技能描述；建议包含触发关键词（便于检索/匹配） │ ├─ ✅ 可选：Frontmatter 扩展字段（规范允许，但非强制） │ ├─ ✅ license ：许可证标识（也可配合单独 LICENSE 文件） │ ├─ ✅ compatibility ：兼容性/运行环境要求（仅在确实有限制时写） │ ├─ ✅ metadata ：任意键值对（如 author/version/source_url 等） │ └─ 🧩 allowed-tools ：允许工具白名单（规范标注为 experimental） │ └─ ✅ 推荐：Markdown 正文（自由格式，但建议按“渐进式披露”组织） ├─ ✅ Overview / Purpose ：一句话说明目标 + 不做什么（边界） ├─ ✅ When to use ：触发条件/适用场景（让模型/用户知道何时调用） ├─ ✅ Step-by-step ：步骤化流程（最好 3–6 步，保证可复现） ├─ ✅ Inputs / Outputs ：输入格式、输出格式、产物位置（文件/文本/JSON等） ├─ ✅ Examples ：至少 1 个可复制示例（越“能跑”越好） ├─ 🧩 Files & References ：引用assets/、references/、scripts/（相对路径） ├─ 🧩 Edge cases ：边界情况/限制（大文件、速率限制、失败回退） ├─ 🧩 Troubleshooting ：常见错误与解决（依赖缺失、路径不对、权限问题） └─ 🧩 Safety notes ：涉及联网/写文件/执行命令时给出提醒（建议写）
在 GitHub 和各类社区里，技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库，让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索，支持 版本更新与多维排序（下载/点赞/评论/更新），并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手：
支持下载与导入 skills（.zip/.skill），本地放置后即可生效：
~/.claude/skills/（Claude Code）
~/.codex/skills/（Codex CLI）
~/.gemini/skills/（Gemini CLI）
同一份 SKILL.md 跨平台通用。
你需要了解的：技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills（技能）”是一种可复用的任务能力包，通常包含 SKILL.md 说明（用途、输入输出、使用方法）以及可选的脚本/模板/示例文件。
你可以把它理解为：给 AI 助手或工具链用的“插件说明书 + 资源包”，可被反复安装与分享。
技能系统采用“渐进式披露”策略，高效管理上下文信息，具体流程如下：
发现阶段：系统启动时，智能体仅加载各技能的名称与简要描述——信息精简，足以判断其适用场景，避免冗余加载。
激活阶段：当任务需求与某技能描述匹配时，智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段：智能体严格遵循文档指引执行操作，并按需调用关联文件或运行内置代码模块。
核心优势：该设计使智能体始终保持轻量高效，同时具备“按需扩展上下文”的能力，既保障响应速度，又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用：
注：以上导入方式文件大小控制在10M之内。
常见路径如下（不同系统略有差异，以你本机为准）：
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后，也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源，只要目标工具支持读取该格式，就能共享使用。
比如：检索类技能 + 写作类技能 + 自动化脚本，形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库（至少 2 星），并扫描基本质量指标，还有一部分是SkillWink平台的创作者独立上传的。作为使用者，在安装前应始终审查代码，对安全问题负责。
最常见原因是这几类：
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
