安装方式
手动下载安装
下载 ZIP 后解压到技能目录即可安装。若在桌面客户端 WebView中直接下载出现异常，本站会改为提示页 + 原始链接，请按页内说明操作。
下载 ZIP (shub-python-code-test-v1.0.0.zip)触发指令
/code-test
跨平台安装指引
该技能声明兼容以下 1 个平台，将 ZIP 解压到对应目录即可被识别。
unzip shub-python-code-test-v1.0.0.zip -d ~/.claude/skills/
mkdir -p 创建；启用 Skill 后请重启对应 Agent 让配置生效。
使用指南
Python 代码测试
围绕 Python 代码测试：单测组织与示例命令；与项目内 pytest/unittest 策略对齐 SKILL.md。 无需在每次任务前把零散英文说明手工拼进上下文，也 减少 与客户端默认行为脱节的试错；具体命令、钩子与 JSON 参数仍以 ZIP 包内 SKILL.md 为权威。下文结构与站内 MCP CLI 类专题稿相同：何时用、前置、流程、速查与故障。
何时使用
- 单测组织与示例命令
- 与项目内 pytest/unittest 策略对齐 SKILL.md
- 已获取本技能 ZIP，并准备在 Claude Code / OpenClaw 中按 SKILL.md 挂载。
- 希望用中文专题稿快速判断「该不该启用」，再深入英文 SKILL 查参数与边界。
- 需要与团队对齐同一套触发方式、目录约定或回调格式时。
前置条件
- 通用：可运行 Claude Code 或文档要求的客户端；有可读写的项目工作区（或 SKILL.md 指定的沙箱目录）。
- 权威细节：API Key / OAuth、钩子路径、环境变量以 ZIP 内 SKILL.md 为准。
典型流程
- 从 ClawHub / 站内分发获取技能 ZIP，校验版本与校验和（若提供）。
- 阅读 SKILL.md 的安装段落：目录落点、客户端类型（Claude Code / OpenClaw / 脚本）。
- 用文档中的最小示例完成第一次调用（单文件修改、单次查询或单次委派）。
- 确认工作目录、权限边界与输出路径后，再处理多文件或长耗时任务。
- 需要回调 / Webhook / 通知时，按 SKILL.md 配置端点并在测试环境先验通。
与 ZIP / SKILL.md 的关系
站内专题稿与 MCP CLI 类 oss 稿同样：概括何时用、怎么接、怎么排错；命令模板、钩子名、JSON 字段、版本矩阵一律以 ZIP 内 SKILL.md 与 ClawHub 上游为准。
命令示例（摘自包内 SKILL.md）
以下为从上游 SKILL.md（或入库正文）自动抽取的终端/脚本片段；路径、环境变量与参数以当前 ZIP 与官方说明为准。
ClawHub slug：python-code-test（安装命令以 SKILL.md / claw CLI 为准）。
站内入库时的触发命令（完整语义见 ZIP）：
# 使用本技能时可在对话中引用或执行上述指令；完整参数与示例见下载包内 SKILL.md。
/code-test
最佳实践
- 先 SKILL.md 再猜参数；站内专题稿不替代 schema 与必填字段说明。
- 委派任务时写清验收标准（命令、文件路径、测试命令），减少来回追问。
- 长任务用文档推荐的回调 / 日志落盘代替高频轮询，省 Token 也省机器负载。
- 多技能同时启用时，注意钩子加载顺序与重复工具调用（以 SKILL.md 冲突说明为准）。
调试与排错
- 打开 stderr 与客户端日志；PTY/tmux 场景同时看面板最后几十行输出。
- 参数错误时对照 SKILL.md 中的 JSON/CLI 示例（引号、转义、工作目录）。
- 网络类失败：查代理、防火墙、MCP 传输方式（stdio / HTTP / SSE）。
速查
| 动作 | 说明 |
|------|------|
| 获取技能包 | ClawHub / 站内 ZIP，核对版本 |
| 权威步骤 | 优先阅读 ZIP 内 SKILL.md |
| 首次试跑 | 使用 SKILL.md 最小示例 |
| 验收 | 对照路径、测试命令或回调负载 |
常见故障
- 无输出或立即退出 → 工作目录错误、依赖未装、或 Claude Code 未登录；按 SKILL.md 自检清单执行。
- 权限被拒绝 → 检查沙箱路径、
--permission-mode与工具白名单。 - 与简介不符 → 以英文 SKILL 与上游仓库为准，站内稿仅作结构化导读。
你是专业的代码功能测试助手。任务是根据用户描述的功能需求，对项目中的代码进行测试、验证和修复。
## 使用流程
1. **接收需求**：用户描述要测试的功能（如"测试DataLoader类的load方法能否正确处理空数据"）
2. **代码搜索**：
- 使用grep工具在项目中搜索与需求相关的类或函数
- 搜索范围限制在单个类或单个函数级别
- 定位到具体的代码文件和行号
3. **生成测试用例**：
- 根据功能编写测试用例
- **必须将测试数据保存到 `references/` 目录**，后续测试直接使用
- Ground truth来源及正确性验证：
- **数学分析工具**：
- 通过数学方法生成带已知结果的测试数据
- 例如聚类：生成3个聚类中心，在中心附近扰动生成样本点，验证聚类中心是否正确
- 测试用例必须包含正确性验证逻辑（对比结果与已知Ground Truth）
- 需要外部数据：从网络下载真实数据集，或提示用户提供
- **测试脚本必须包含**：
- 测试数据生成代码（保存到references/）
- 读取数据代码
- 正确性验证代码（Ground Truth验证）
4. **执行测试**：
- 编写测试脚本放在 `scripts/` 目录
- 运行测试，结果保存到 `scripts/log/` 目录
- 检测是否有异常
5. **异常处理**：
- 若测试失败，分析错误原因
- 尝试修复代码
- 成功修复的版本保存到 `scripts/release/v{n}/` （n为版本号）
- 重新测试验证
6. **同步代码**：
- 将修复后的代码更新到项目实际文件中
## 输出格式
每次操作完成后，返回简要说明：
- 找到的代码位置
- 测试结果（通过/失败）
- 若失败，说明原因和尝试的修复方案
## 注意事项
- **正确性验证**：测试用例必须能验证结果的正确性，而不仅仅验证函数能运行
- 测试框架选择：根据需求适配（pytest/unittest/其他）
- 版本号递增：每次成功修复后版本号+1
- 日志记录：所有测试结果和错误信息都要记录到log目录