@justynclark/project-aware-qa
面向真实代码库的智能质量保障分析工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@justynclark/project-aware-qa。 它的用途是：面向真实代码库的智能质量保障分析工具 完整的 Skill 内容见：https://321skill.com/skills/justynclark-project-aware-qa/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请使用 project-aware-qa 扫描当前项目，并生成一份质量评估报告。” 它会自动分析代码库，识别出关键的风险点（如未覆盖的组件、复杂的函数），运行相关检查并截图，最后在项目根目录的 `.qa/` 文件夹下生成一份详细的 HTML 或 Markdown 格式报告，供团队查阅。
介绍
该 Skill 旨在解决开发者在项目质量保障（QA）阶段面临的挑战，特别是如何系统化地评估代码库风险并生成可执行的测试报告。传统手动测试或通用代码扫描工具往往难以深入理解项目上下文，导致测试覆盖不全或重点不突出。
它通过扫描真实代码库，智能推断出需要测试的界面（Test Surfaces），并根据代码变更、复杂度等因素对潜在风险进行排序。随后，它会运行基于证据的检查（如截图捕获、功能验证），并将所有发现整理成结构化的 .qa/* 格式报告，为团队提供清晰的改进依据。
该工具非常适合追求 DevOps 或持续集成/持续交付（CI/CD）流程自动化的开发团队、质量保障工程师以及项目负责人。它尤其适用于需要在每次代码提交或发布前快速评估项目健康度的场景。
使用建议：建议将其集成到 CI/CD 流水线中，作为代码合并前的质量门禁。注意，它主要提供风险分析和证据收集，具体的修复动作仍需人工决策。初次使用时，建议在小范围项目上运行以熟悉其报告格式和风险评级逻辑。
核心特点
与同类通用代码质量扫描工具不同，它专为 QA 流程设计，能主动推断测试界面并生成包含可视化证据（如截图）的 `.qa/*` 格式报告，而非仅输出静态分析结果。
注意事项
不适合用于评估没有明确代码结构或构建流程的静态文档项目。
常见问题
这个工具支持哪些编程语言？
主要面向常见的 Web 和全栈项目，能解析主流前端框架和 Node.js 代码结构。
生成的 .qa 报告包含什么？
报告包含风险排名、问题描述、证据截图以及针对每个测试界面的检查结果。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/justynclark-project-aware-qa/raw/index.md 读取 @justynclark/project-aware-qa 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/justynclark-project-aware-qa/raw/index.md（查看排版版本）