quality-playbook
Faz seu agente verificar a qualidade de qualquer código. Ele encontra erros que outras revisões não acham, gerando testes e correções.
O que ela faz
Esta ferramenta analisa o código de um projeto para encontrar defeitos e garantir a qualidade. Ela verifica o código, cria testes e relata problemas encontrados.
Quando usar
- ✓Ao iniciar um novo projeto para garantir a qualidade desde o início.
- ✓Quando um projeto existente precisa de uma revisão completa.
- ✓Para encontrar defeitos que outras ferramentas não detectam.
Exemplo do que pedir para a IA
“Analise a qualidade deste código e gere um relatório de testes.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta primeiro entende o código e seus requisitos. Depois, ela executa revisões de código, cria testes funcionais e de regressão, e verifica se tudo está de acordo com as especificações. Por fim, ela gera um relatório detalhado com os problemas encontrados e sugestões de correção.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add github/awesome-copilot --skill quality-playbookOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/quality-playbook/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Gerador de Playbook de Qualidade
Visão Geral do Plano — leia isto primeiro, depois explique ao usuário
Antes de ler qualquer outra seção desta habilidade, entenda o plano e suas dependências. Cada fase produz artefatos dos quais a próxima fase depende. Pular ou apressar uma fase significa que todas as fases subsequentes trabalham com informações incompletas.
Fase 0 (Análise de Execução Anterior): Se houver execuções de qualidade anteriores, carregue suas descobertas como dados iniciais. Isso é automático e se aplica apenas a reexecuções.
Fase 1 (Explorar): Execute primeiro a ingestão de documentação v1.5.3 (python -m bin.reference_docs_ingest <target> para percorrer reference_docs/ — arquivos cite/ produzem registros quality/formal_docs_manifest.json; arquivos de nível superior são carregados como contexto de Nível 4 via reference_docs_ingest.load_tier4_context(<target>)). Em seguida, explore a base de código em três estágios: exploração aberta impulsionada pelo conhecimento do domínio, análise de risco baseada no conhecimento do domínio e padrões de exploração estruturada selecionados. Escreva todas as descobertas em quality/EXPLORATION.md. Este arquivo é a base — a Fase 2 o lê como sua entrada principal.
Fase 2 (Gerar): Leia EXPLORATION.md e produza os artefatos de qualidade: requisitos, constituição, testes funcionais, protocolo de revisão de código, testes de integração, protocolo de auditoria de especificação, protocolo TDD. (AGENTS.md na raiz do repositório do alvo é gerado pelo orquestrador APÓS a Fase 6, não por você na Fase 2 — veja "Arquivo 6" abaixo para o contrato.)
Fase 3 (Revisão de Código): Execute a revisão de código de três passagens contra o HEAD. Escreva testes de regressão para cada bug confirmado. Gere patches.
Fase 4 (Auditoria de Especificação): Três auditores de IA independentes revisam o código em relação aos requisitos. Triagem com sondas de verificação. Após a triagem, o mesmo Conselho executa a verificação de citação semântica v1.5.3 de Camada 2 — um prompt por revisor, vereditos estruturados por REQUISITO para cada citação de Nível 1/2, saída para quality/citation_semantic_check.json. Escreva testes de regressão para novas descobertas.
Fase 5 (Reconciliação): Feche o ciclo — cada bug da revisão de código e auditoria de especificação é rastreado, testado para regressão ou explicitamente isento. Execute o ciclo TDD vermelho-verde. Finalize o relatório de completude.
Fase 6 (Verificar): Execute benchmarks de autoverificação contra todos os artefatos gerados. Verifique a consistência interna, a correção da marcação de versão e a convergência.
Fase 7 (Apresentar, Explorar, Melhorar): Apresente os resultados ao usuário com uma tabela de resumo escaneável, ofereça detalhamento em qualquer artefato e forneça um menu de caminhos de melhoria (estratégias de iteração, refinamento de requisitos, ajuste de testes de integração). Esta é a fase interativa onde o usuário assume a propriedade do sistema de qualidade.
Todo bug encontrado remonta a um requisito, e todo requisito remonta a uma descoberta de exploração.
A cadeia crítica de dependência: Descobertas de exploração → EXPLORATION.md → Requisitos → Revisão de código + Auditoria de especificação → Descoberta de bugs. Uma exploração superficial produz requisitos abstratos. Requisitos abstratos perdem bugs. A fase de exploração é onde os bugs são ganhos ou perdidos.
AÇÃO OBRIGATÓRIA PRIMEIRO: Após ler e entender o plano acima, imprima a seguinte mensagem para o usuário, depois explique o plano com suas próprias palavras — o que você fará, o que cada fase produz e por que a fase de exploração é a mais importante. Enfatize que a exploração começa com investigação aberta orientada pelo domínio, seguida por análise de risco baseada no conhecimento do domínio que raciocina sobre o que dá errado em sistemas como este, depois suplementada por padrões estruturados selecionados. Não copie o plano textualmente; parafraseie-o para demonstrar compreensão.
Quality Playbook v1.5.6 — por Andrew Stellman https://github.com/andrewstellman/quality-playbook
Gere um sistema de qualidade completo e adaptado a uma base de código específica. Ao contrário dos geradores de "stubs" de teste que funcionam mecanicamente a partir do código-fonte, esta habilidade explora o projeto primeiro — entendendo seu domínio, arquitetura, especificações e histórico de falhas — depois produz um playbook de qualidade fundamentado no que encontra.
Como executar isto — contrato de invocação auto-codificado v1.5.4
Se o operador lhe entregar esta habilidade (ou apontá-lo para qualquer alvo instalado pelo QPB) e disser "Execute o Quality Playbook" — possivelmente com uma dica como "esta é uma execução de bootstrap" ou "execute em si mesmo" ou "auto-auditoria" — esta seção diz exatamente o que fazer. O operador não deve precisar fornecer instruções adicionais; a invocação canônica, os padrões, as salvaguardas e o contrato de saída vivem aqui.
…
Perguntas frequentes
O que é uma 'auditoria de engenharia de qualidade'?
É uma verificação completa do código para garantir que ele funcione corretamente, seja seguro e atenda aos requisitos, indo além de testes simples.
Por que a fase de 'Exploração' é tão importante?
É a fase inicial onde a ferramenta entende o projeto. Uma boa exploração garante que todos os requisitos e possíveis problemas sejam identificados, o que é crucial para encontrar defeitos.
O que são 'testes de regressão'?
São testes criados para garantir que as correções de bugs ou novas funcionalidades não introduzam novos problemas em partes já existentes do código.
Detalhes
Descrição original do autor
Run a complete quality engineering audit on any codebase. Derives behavioral requirements from the code, generates spec-traced functional tests, runs a three-pass code review with regression tests, executes a multi-model spec audit (Council of Three), and produces a consolidated bug report with TDD-verified patches. Finds the 35% of real defects that structural code review alone cannot catch. Work
repo: github/awesome-copilot
Popularidade
- Estrelas no GitHub
- 40 mil
- Posição no ranking
- #5319
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
acquire-codebase-knowledge
Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.
github/awesome-copilot
acreadiness-assess
Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.
github/awesome-copilot
acreadiness-generate-instructions
Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.
github/awesome-copilot
acreadiness-policy
Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.
github/awesome-copilot
Skills parecidas
cpp-testing
Faz seu agente escrever e melhorar testes para código C++. Ajuda a configurar ferramentas de teste e a corrigir erros.
affaan-m/ECC
csharp-testing
Ajuda seu agente a criar testes para código C# e .NET. Ele usa as melhores práticas para garantir que os testes sejam eficientes e confiáveis.
affaan-m/ECC
django-tdd
Faz seu agente aplicar estratégias de teste para Django com pytest-django e TDD. É útil para escrever testes robustos e garantir a qualidade do código, especialmente para APIs DRF.
affaan-m/ECC