「harness」の検索結果

Codexによるread-onlyローカルレビューを実行する。Triggers on: '/codex-review', 'Codexでレビューして', 'クロスモデルレビューして'

恒常的な設計決定を ADR として記録する（退役する機能仕様から ADR 昇格の要否を判定するモードを併せ持つ）。定常フローの必須ステップではなく、必要時に呼ぶ。Triggers on: '/create-adr', 'ADRを書いて', '設計判断を記録', 'ADR昇格を判定'

プロジェクト全体の技術負債をスキャンし、親Issueの実装範囲を基に優先度を分類する。Triggers on: '/reduce-debt', '技術負債チェック', '負債チェック'

単一 Issue の1チケット実装フローを、実装フェーズの人間ゲートなしで実行する。複数Issueの並列化・並列度の決定は担わない。Triggers on: '/impl', 'このIssueを実装して', 'Issueを1件実装して'

ユーザーとの対話と既存コード分析から機能仕様ドキュメント（要件定義・クリティカル設計の決定・必要なら機能全体の設計）を作成する。GitHub Issue 作成は /create-ticket の責務。Triggers on: '/define-feature', '機能定義', '要件定義', '機能設計'

E2Eテストケースカタログと突き合わせ、1ケースずつ解説→実演（Headed Playwright）→人間判定を繰り返す。Triggers on: '/demo-e2e', 'テストケースごとにデモして', 'カタログと突き合わせてデモ', 'E2Eケースを1件ずつ確認して'

PRのレビューとマージを実施する。Triggers on: '/pr-merge', 'PRをマージして', 'マージして'

品質ゲート（lint・型チェック・テスト）を実行し、必須ゲート通過を機械可読な結果で返す。Triggers on: '/quality-check', '品質チェック', 'QCして', 'quality gate'

機能仕様ドキュメントから要件チケットを作成する、または親要件チケットを実装チケット群に分解する。Triggers on: '/create-ticket', 'チケットを作成', 'Issueを作って', 'create ticket', '実装チケットに分解'

統合ブランチ→main 昇格前の判断材料として、親Issueの受入基準を全数チェックした昇格前検証パッケージを作成する。Triggers on: '/promote-verify', '昇格前検証', '昇格前チェック'

調査(read-only)または雑務(workspace-write)をCodexへ委譲し、結論をJSONで受け取る。Triggers on: '/codex-task', 'Codexで調べて', 'Codexにやらせて', 'Codexへ委譲'

仕様（チケットの完了条件・受入基準）からE2Eテストを実装する（非対話）。Triggers on: '/create-e2e', 'E2Eテストを書いて', 'E2Eテストを追加して'

実装が他リポジトリのコードの挙動に依存する仮定を、依存先の実コードで確証する。クロスリポジトリ依存が無い場合は使用しない。Triggers on: '/cross-repo-verify', 'クロスリポジトリ依存を確認', 'クロスリポジトリの確証'

Conventional Commits形式でコミットする。Triggers on: '/commit', 'コミットして', 'commit changes'

AIがHeaded Playwrightでアプリを操作しながら動作確認を行い、ユーザーは画面を見て承認する。Triggers on: '/demo', '/walkthrough', '動作確認して', 'デモして'

GitHub Issueを分析し、1チケットの実装フロー（正本は /impl）へ fan-out する（複数Issue指定時は star 型で並列実行）。Triggers on: '/para-impl', '並列実装', 'Issueを実装して'

devcontainer環境を構築する設定ファイルを生成する。Triggers on: '/init-devcontainer', 'devcontainerを設定', 'devcontainer環境を作って'

プロジェクトを分析してCLAUDE.mdと.claude/settings.jsonを自動生成する。Triggers on: '/init-project', 'プロジェクト初期設定', 'CLAUDE.mdを作成'

Kent Beck/t-wada 流の TDD でテストコードとプロダクションコードを実装する。Triggers on: '/tdd-impl', 'TDDで実装', 'TDD実装'

テストが担保していない公開面（GAP）を検出する。報告のみで、ファイル生成・修正・Issue 起票はしない。Triggers on: '/surface-audit', 'テスト担保を診断', '公開面を監査', 'GAPを検出', 'テストの無い公開面'

Build, maintain, and run conformance tests for canonical App-in-Skill projects created by kelly-app-skill-creator. Use when a Kelly app skill needs contract checks, local server smoke tests, responsive browser acceptance, temporary open-source Busabase integration, environment-gated Busabase Cloud OAuth verification, lazy provisioning checks, persistence tests, AirApp parity tests, or CI coverage. Keep app creation in kelly-app-skill-creator and own only the reusable test harness, per-skill fixtures, execution gates, diagnostics, and truthful pass/fail/skip reporting.

日本語の概要は準備中です。原文の説明を表示しています。

Evaluates LLMs across 100+ benchmarks from 18+ harnesses (MMLU, HumanEval, GSM8K, safety, VLM) with multi-backend execution. Use when needing scalable evaluation on local Docker, Slurm HPC, or cloud platforms. NVIDIA's enterprise-grade platform with container-first architecture for reproducible benchmarking.

日本語の概要は準備中です。原文の説明を表示しています。

Evaluates code generation models across HumanEval, MBPP, MultiPL-E, and 15+ benchmarks with pass@k metrics. Use when benchmarking code models, comparing coding abilities, testing multi-language support, or measuring code generation quality. Industry standard from BigCode Project used by HuggingFace leaderboards.

日本語の概要は準備中です。原文の説明を表示しています。

Continuous improvement system for ToolUniverse tools, skills, and plugin. Run benchmarks, diagnose failures, route fixes to devtu skills, retest. Use after skill optimization, tool additions, or as regression check.

日本語の概要は準備中です。原文の説明を表示しています。