开发与工程

RenderCV 测试规范上下文

为参与 RenderCV 开发的 AI 代理提供统一的测试编写标准,确保每个测试文件、命名与结构都符合项目约定。

61/ 100
推荐

整体可靠,存在已披露的局限;按说明试用并保留回滚路径。

查看评分依据 ↓
可直接使用于
Codex · Claude Code
Star 数
★ 18k
最近更新
7 个月前
License
MIT
unit-testingpytestpythontesting-conventions
+3test-authoringrendercvdeveloper-guide

这个 Skill 能做什么,适合哪些场景?

rendercv-testing-context 是 RenderCV 仓库(一个面向学者和工程师的简历构建工具)内置的六项 Agent Skill 之一。这份技能文档不是可执行工具,而是一套纯知识型的测试编写规范:它规定测试文件如何镜像 src/rendercv/ 源码结构、测试如何命名、何时使用 pytest parametrize、共享 fixture 如何放入 conftest.py,以及隔离测试、少用 mock 等原则。适用场景是在为 RenderCV 编写或审查测试时,让 AI 代理直接遵循项目已有约定,而不是自行发明风格。

该技能向 AI 代理注入以下约定:1) 测试文件与源文件一一对应(如 src/rendercv/renderer/templater/date.py 对应 tests/renderer/templater/test_date.py);2) 单个测试命名为 test_ + 函数/类名,多个测试封装在 Test + PascalCase 命名的类中;3) 用 @pytest.mark.parametrize 处理输入变体而非重复写相似测试;4) 共享 fixture 按作用范围放入最近公共父目录的 conftest.py;5) 遵循隔离测试、内联简单 setup、优先真实行为而非 mock、按预期行为命名测试等原则。技能还引用 tests/ 目录和 docs/developer_guide/testing.md 作为补充上下文。

适合
  • 为 RenderCV 贡献代码的开发者,需要 AI 代理按项目既有风格编写新模块的测试
  • 审查 AI 生成的测试代码时,用它作为约定基准判断命名和结构是否合规
  • 重构 RenderCV 某个源文件后,让代理补齐对应测试文件中缺失的用例
  • 团队新成员借助该规范快速理解 RenderCV 测试目录的组织方式
  • 代理在处理日期、locale 等多输入变体函数时,自动采用 parametrize 写法

如何安装这个 Skill?

使用前请注意
  • 该技能面向 RenderCV 仓库贡献者,而非简历生成的终端用户;普通用户误触发收益很低。
  • 静态审阅未执行任何内容,引用的 tests/ 与开发者文档可达性及示例与当前代码的一致性未经核实。
  • 发布者未经验证,维护责任与更新路径仅能从仓库整体活跃度间接推断。
  • 技能自身无版本号与变更记录,随仓库演进可能漂移。
开始前你需要
Agent 需要具备
  • 本地文件系统

该技能位于 rendercv/rendercv 仓库的 .claude/skills/rendercv-testing-context/ 目录。README 提供了整个技能集合的安装命令:npx skills add rendercv/rendercv-skill(适用于任何支持 skills 标准的 AI 代理)。针对单个子技能的单独安装方式在源材料中未说明。

通用方式:手动安装到 Claude Code(macOS / Linux)
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/rendercv/rendercv.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.claude/skills/rendercv-testing-context" ~/.claude/skills/
rm -rf "$tmp"

根据源仓库地址和 Skill 路径自动生成,只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式,请优先按作者说明操作;想只在当前项目中使用,把 ~/.claude/skills 换成项目里的 .claude/skills。

如何使用这个 Skill?

试试这样说

安装后,把下面任意一句发给 Agent 即可触发:

  • Use when writing or reviewing tests
  • 为 src/rendercv/schema/models/cv/section.py 编写 pytest 测试

安装技能集合后,当你让 AI 代理为 RenderCV 写测试或审查测试时,代理会依据其 description("Use when writing or reviewing tests")自动加载该上下文。示例提示:"为 src/rendercv/schema/models/cv/section.py 编写 pytest 测试",代理应输出镜像源码路径的测试文件、遵循 test_/Test 命名并使用 parametrize。具体的调用与配置细节源材料未说明。

这个 Skill 有哪些优点和局限?

优点
  • 约定来自 RenderCV 官方仓库,与项目实际测试结构完全一致
  • 提供具体代码示例(parametrize、conftest.py 层级、命名规则),可直接模仿
  • 明确列出应做与应避免的事项,减少 AI 生成测试的风格漂移
  • 纯 Markdown 知识文档,无脚本依赖,迁移成本低
局限
  • 仅适用于 RenderCV 仓库本身,其目录约定(如 src/rendercv/ 结构)对其他项目无直接价值
  • 是纯参考文档,不含可执行脚本或自动化校验
  • 源材料未提供该技能的独立评测结果;README 中提到的 promptfoo 评估针对整个技能集合的生成能力,而非这份测试规范
  • 它引用 @tests/ 和 docs/developer_guide/testing.md,脱离仓库上下文时这些引用无法解析

这个 Skill 与同类方案有什么区别?

与相关 Skills 并排比较;分数均按同一 FSRS 标准得出。

Skill FS 评分 Star 数 最近更新 License
RenderCV 测试规范上下文 本页 61 · 推荐 ★ 18k 7 个月前 MIT
RenderCV 开发上下文 57 · 谨慎使用 ★ 18k 7 个月前 MIT
代码审查与测试指导 ✓ OpenAI · 官方 43 · 不推荐 ★ 129k 11 天前 Apache-2.0
Earth2Studio 诊断模型构建器 ✓ NVIDIA · 官方 56 · 谨慎使用 ★ 3.6k 11 天前 Apache-2.0
Megatron-Core 测试指南 ✓ NVIDIA · 官方 52 · 谨慎使用 ★ 3.6k 11 天前 Apache-2.0

FollowSkills 如何评估这个 Skill?

FollowSkills 评估 · FSRS-2.0
推荐
61/ 100 五分制 3.1 / 5
1信任安全20 / 25 · 4.0/5

该技能是纯说明性测试规范文档,不执行命令、不请求权限、不涉及敏感数据或外部副作用,最小权限与数据流透明度天然满足。扣分点:未包含来源归属或与其他技能文件的关系说明,回滚与确认机制不适用但也没有显式声明。

2可靠稳定12 / 20 · 3.0/5

文件内示例代码自洽、命名规则清晰、结构映射明确;扣分点:所引用的 @tests/ 与 docs/developer_guide/testing.md 未在证据中给出,静态审阅无法验证引用可达性与示例与当前代码库(如 compute_date_string 签名)的一致性,异常输入行为与失败反馈不适用于此类文档但未说明适用边界。

3适用触发10 / 15 · 3.3/5

触发条件明确(编写或评审测试时使用),受众(rendercv 贡献者)清晰;扣分点:未声明不适用范围,无中文支持说明,作为仓库内贡献规范对 FollowSkills 终端用户(简历生成用户)的直接价值有限,触发精度证据仅为描述字段本身。

4规范维护9 / 15 · 3.0/5

结构清晰、渐进式(引用外部文档)、示例充分;扣分点:技能自身无版本号、变更记录或维护责任说明,依赖仓库整体治理(MIT 许可、活跃 CI 徽章可佐证维护性),发布者未经验证,命名与描述与内容一致。

5有效结果6 / 15 · 2.0/5

作为编码规范文档可提升贡献测试的一致性,价值真实但属间接收益;扣分点:静态审阅无法验证遵循该规范产出的测试质量,无对比证据表明其优于通用 pytest 最佳实践,输出可用性未经执行验证。

6证据核验4 / 10 · 2.0/5

规则可通过仓库内实际测试文件与 CI(test.yaml 徽章、coverage 徽章)交叉印证;扣分点:本次仅审阅源码未执行,引用文件未随附,示例与真实测试套件的对应关系为推断而非已验证事实,事实与推断的分离依赖审阅者。

1 2 3 4 5 6

点击维度查看打分理由

评估于 2026年9月9日 审查版本 1d4b87bc427e 评估证据[1][2][3][4][5][6][7][8][9]

证据充分度:低 — 主要依赖静态检查、作者材料或有限演示;适合发现线索,不适合做高风险决策。

查看完整评分方法 →

同仓库的其他 Skills

均来自 rendercv/rendercv

相关 Skills