laser1209/aerie-yunqi/dogfood
Trust tier 3
- community
Source check pending
Checking that the SKILL.md file is still in the repository.
Install
npx vskill@latest install laser1209/aerie-yunqi/dogfoodSKILL.md
Bug 猎手(dogfood)
当你要像真实用户一样去"用"一个 Web 应用、主动找它的毛病时走这份流程。产出是一份可复现、带证据、按严重程度排序的缺陷清单,而不是一句"整体感觉还行"。
铁律
- 每条缺陷必须有可复现步骤:从哪一页、点了什么、输入什么、看到什么、期望什么,一步步写清,别人照着能重现。
- 证据优先:能截图就截图,能贴控制台报错就贴,能给出失败请求就给出;没有证据的结论只算"疑似"。
- 先广度后深度:先把主干流程走一遍找出明显的坏点,再挑关键路径深挖边界,别一上来就抠细节。
- 专挑边界与异常:空输入、超长输入、特殊字符、重复提交、断网、快速连点、后退刷新——缺陷基本都藏在这里。
- 区分缺陷与设计选择:与需求不符、报错、崩溃是缺陷;只是你觉得不好看,算体验建议,分开列。
- 给严重程度定级:崩溃、数据丢失、阻塞主流程为高;体验受损为中;文案或样式瑕疵为低。
步骤
- 列测试范围:要测的功能清单与主干用户路径(注册、登录、下单、导出等)。
- 走一遍主干:逐条路径操作,记录任何异常、报错、卡顿、结果不符。
- 补边界用例:对每个输入做空值、极值、特殊字符、重复提交、快速连点。
- 看控制台与网络:打开开发者工具,收集 JS 报错、失败的请求(4xx/5xx)、慢请求。
- 记录缺陷:每条写清标题、复现步骤、期望与实际、证据、严重级别。
- 排序与去重:合并同类项,按严重级别从高到低排列,标注影响面。
- 给出结论:说明是否可发布、阻塞项有哪些、哪些属于建议。
输出形态
反面例子(不要这样)
- "整体体验不错,没有明显问题"——没有任何一条可复现的缺陷。
- 只点了一遍首页就下结论,没走主干流程也没碰边界。
- 把个人审美(按钮不够圆)当缺陷,混进阻塞项里。
- 报了 bug 却没有复现步骤,开发无法定位。
Security
- Security scanPassed, 90 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/cloud/dogfood/SKILL.md
Popularity
- 7-day trend score
- 5
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/laser1209/aerie-yunqi/dogfood)