К основному содержанию
скилл CX Codex

verification-before-completion · mvschwarz — скилл для Claude Code

Скилл запрещает агенту объявлять задачу закрытой без свежих доказательств. Он требует запускать тесты и сборку перед коммитами или созданием пул-реквестов.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add mvschwarz/openrig --skill verification-before-completion -a claude-code
Открыть на GitHub

Что делает verification-before-completion

Правило отсекает фразы вроде «должно работать» и запрещает верить отчётам субагентов на слово. Перед созданием коммита или закрытием задачи ИИ обязан запустить проверки и разобрать их фактический вывод. Старый прогон не в счёт. Если файлы изменились, нужен свежий отчёт с кодом возврата 0 или полным списком пройденных тестов.

Инструкция заставляет смотреть на содержание ответа, а не только на статус команды. Проверка синтаксиса доказывает лишь читаемость кода парсером, но не запуск в рантайме. Для регрессионных тестов скилл требует цикл Red-Green: убедиться в падении теста без фикса, а затем проверить успех после его возврата.

Какие задачи решает

  • остановить преждевременные заявления агента о починке бага
  • проверить код возврата сборки перед отправкой коммита
  • подтвердить работу регрессионных тестов через цикл Red-Green
  • проверить результаты работы субагентов вместо доверия их отчётам

Примеры запросов агенту

  • Почини баг с таймаутом сессии и подтверди исправление тестами перед коммитом
  • Обнови метод расчёта скидки и проверь, что проект собирается без ошибок
  • Проверь пул-реквест перед отправкой в репозиторий

Как установить verification-before-completion

1Через Skills CLI (Vercel)

npx skills add mvschwarz/openrig --skill verification-before-completion -a claude-code

2Вручную: положить файлы

~/.claude/skills/verification-before-completion/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/verification-before-completion/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о verification-before-completion

Как установить verification-before-completion в Claude Code?

Выполните команду npx skills add mvschwarz/openrig --skill verification-before-completion -a claude-code. Конфигурация запишется в файл ~/.claude/skills/verification-before-completion/SKILL.md.

Что делает скилл verification-before-completion?

Он задаёт строгое правило: агент не имеет права называть задачу выполненной без прямых доказательств. Ассистент обязан запускать линтеры, сборку и тесты вместо предположений.

Почему скилл запрещает верить только коду возврата 0?

Команда может завершиться с кодом 0, но вывести текст о пропуске тестов или отсутствии совпадений. Правило требует сверять фактическое содержание вывода с ожидаемым результатом.

Исходный текст

SKILL.md · Apache-2.0
---
name: verification-before-completion
description: Use when about to claim work is complete, fixed, or passing, or before committing or creating PRs
metadata:
  openrig:
    vendored_from: "Obra Superpowers (https://github.com/obra/superpowers)"
    vendoring_pattern: modify-the-file
    last_upstream_check: "2026-05-13 (diff against plugin source pulled 2026-05-11 = identical)"
---

# Verification Before Completion

## Overview

Claiming work is complete without verification is dishonesty, not efficiency.

**Core principle:** Evidence before claims.

**This rule serves shipping — it is not a ritual that outranks it.** It governs one thing: *claims that a verifiable result holds* ("tests pass", "build succeeds", "bug fixed") — have evidence for the result before you assert it, and scale the check to the stakes (a one-line copy tweak is not a test-suite ceremony). Don't dodge it with synonyms; equally, don't inflate it into a tax on the word "done" or a reason to keep re-proving instead of shipping the working thing.

## The Rule

Before claiming a verifiable result, inspect evidence that supports that result for the candidate and environment you name. Use an existing result while its relevant inputs and assumptions still hold; rerun the affected check when they change or are uncertain. State whether you ran the check or inspected another owner's evidence. A source read, syntax check or partial test supports only its stated scope. Ordinary progress reports, delegation and moving to another task do not require a new test run. Required project checks still apply.

A completed run is not automatically current, and unchanged source does not establish unchanged live state.

For a claim about performance, also read [references/performance-claims.md](references/performance-claims.md).

## Common Failures

| Claim | Requires | Not Sufficient |
|-------|----------|----------------|
| Tests pass | Test output with 0 failures, for the candidate you name | A run on an older candidate, "should pass" |
| Linter clean | Linter output: 0 errors | Partial check, extrapolation |
| Build succeeds | Build command: exit 0 | Linter passing, logs look good |
| Bug fixed | Test original symptom: passes | Code changed, assumed fixed |
| Regression test works | Red-green cycle verified | Test passes once |
| Delivered outcome | Relevant artifact and observed result | An agent's success message or a diff alone |
| Requirements met | Promised outcomes checked against applicable evidence, gaps named | Tests passing |

## Red Flags - STOP

- Using "should", "probably", "seems to"
- Claiming a specific result is *proven* ("tests pass", "it's fixed", "build's green") without evidence that applies to it — enthusiasm itself is fine; an unverified **result claim** is the flag
- About to commit/push/PR without verification
- Trusting agent success reports
- Claiming more than a partial check covers
- Thinking "just this once"
- Tired and wanting work over

## Key Patterns

**Tests:**
```
✅ [Run test command, or read the named candidate's CI output] [See: 34/34 pass] "All tests pass"
❌ "Should pass now" / "Looks correct"
```

**Regression tests (TDD Red-Green):**
```
✅ Write → Run (pass) → Revert fix → Run (MUST FAIL) → Restore → Run (pass)
❌ "I've written a regression test" (without red-green verification)
```

**Build:**
```
✅ [Run build] [See: exit 0] "Build passes"
❌ "Linter passed" (linter doesn't check compilation)
```

**Requirements:**
```
✅ Check each promised outcome against applicable evidence → Report gaps or completion
❌ "Tests pass, phase complete"
```

**Agent delegation:**
```
✅ Agent reports success → Inspect the artifact and the evidence it names → Report what was checked and what wasn't
❌ Pass on the report alone
```

## When the check itself lies — content over shape

A passing check is necessary but not sufficient: a check can exit clean and still prove nothing. These are the named ways a green check lies — the failure siblings behind "evidence before claims." (Deeper treatment of *what* you verify against: `reference-first-verification`.)

- **Assert on CONTENT, never shape or count.** Output that *looks* like success — a non-zero count, a clean exit, no error text — can carry failure as its content. Before trusting a check, ask what its output looks like *when it fails*: if failure and success are indistinguishable at a glance, the check proves nothing. (`[1 lines]` and `No matches found` both read as "a match" to a line-count.)
- **Compare the returned value to the value you PASSED — never to a description of it.** A confident label (`evidenceRef NOW SET:` printed above the untouched original) is indistinguishable from a verification in a transcript. Diff the actual result against your actual input, not against a claim about it.
- **Find the untested axis.** Thorough coverage of ONE axis reads as thorough coverage overall. Ask what every one of your tests shares — a healthy manifest, a default option value, the happy path — and treat that shared assumption as the dimension you never tested.
- **A syntax check proves parseability and nothing else.** A clean `node --check` / lint / parse pass is the *covered* axis; boot and runtime are the untested one. Parseable ≠ sound.
- **A failure whose shape is a HANG reports nothing.** A bare `await` against a stated deadline that never re-checks cannot fail loudly. Race it against a timer so failure has a shape you can see.
- **A completeness inventory read through a truncating display is worthless.** When deciding *which occurrences to change*, count with `grep -c` / `grep -o` / full-line output — never `cut`, `head`, or a pager, which can hide a match *past* the cut. Distinguish *"I found N"* (a count) from *"I saw N"* (a display). Audit multiline prose **by paragraph, not by line** — a line filter both misses long-line matches and false-flags paragraphs whose companion text is on the next line. Then re-audit with a **different method** than the one that built the inventory — same-method re-checking reproduces the blind spot. (Empty/short output is a claim about your COMMAND until re-proven a second way.)

© mvschwarz · Apache-2.0 · mvschwarz/openrig

Похожие скиллы

Все скиллы по теме «Тесты и QA» →

Сначала — verification-before-completion от других авторов.

verification-before-completion Jesse Vincent Скилл запрещает объявлять задачу готовой без свежего запуска проверки и разбора вывода. Нужен перед коммитом или PR, когда словам агента нельзя верить на слово. CX Codex 251 313установок verification-before-completion Jesse Vincent Скилл запрещает агенту объявлять задачу завершённой без свежего прогона тестов и проверочных команд. Пригодится перед коммитами, созданием PR и закрытием тикетов. CX Codex +1 392установок verification-before-completion GanyuanRan Скилл помогает сверить доказательства перед заявлением, что задача завершена, исправлена или готова к коммиту. Он пригодится при проверке изменений и перед передачей работы. CX Codex +1 ★ 1 388звёзд репо verification-before-completion dshakes Не даёт агенту объявить задачу выполненной, пока проверка не запущена и не пройдена. Пригодится перед коммитом, PR и отчётом о багфиксе. CX Codex +1 ★ 21звёзд репо improve-codebase-architecture Matt Pocock Скилл ищет архитектурные узкие места в кодовой базе и показывает варианты углубления модулей в HTML-отчёте. Подойдёт для ревью перед рефакторингом. 1 163 035установок design-taste-frontend Leonxlnx Скилл задаёт арт-дирекцию для публичных страниц и рабочих экранов, а затем проверяет результат в браузере по скриншотам. Нужен, когда интерфейс выглядит шаблонным или недоработанным. CX Codex +1 678 700установок tdd Matt Pocock Скилл управляет циклом красный-зелёный в TDD: проверяет, что тесты пишутся до кода, держит их на уровне публичных интерфейсов и не завязывает на внутреннюю структуру. 1 141 062установок skill-creator официальный anthropics Помогает создать новый скилл, доработать существующий и проверить результат через тестовые промпты и оценки. 414 180установок agent-browser vercel-labs Скилл управляет браузером через CLI: открывает страницы, заполняет формы, нажимает кнопки и проверяет веб-приложения. Подходит для задач, где агенту нужно действовать в интерфейсе. CX Codex +1 1 200 000установок prototype Matt Pocock Создаёт временный прототип, чтобы проверить логику, модель состояния или вид интерфейса до работы над основным кодом. 986 201установок

Из того же набора49

claude-compaction-restore Помогает не потерять связи между файлами и решениями после компакции контекста: перед сжатием пишется карта восстановления, после — сессия перечитывает её и собирает картину заново. CX Codex +1 ★ 8 227звёзд репо applying-a-permission-policy Скилл настраивает разрешения для команд OpenRig в среде агента перед стартом работы. Он снижает число повторных подтверждений для одобренных операций. CX Codex +1 ★ 8 227звёзд репо agent-operated-workflows Помогает агенту выполнять ограниченные процедуры в изменчивой среде: проверять состояние, выбирать действия и сохранять контрольные точки. Пригодится для процессов, которые должны возобновляться по проверенным данным. CX Codex +1 ★ 8 227звёзд репо agent-operated-software Скилл для проектирования и отладки приложений, где агенты OpenRig работают в живом бэкенде или контуре управления. CX Codex +1 ★ 8 227звёзд репо dogfood Скилл исследует веб-приложение, ищет ошибки и проблемы интерфейса, а затем собирает отчёт с доказательствами. Пригодится для исследовательского тестирования сайта или сервиса. CX Codex +1 ★ 8 227звёзд репо context-engineering Скилл про то, как наполняется окно контекста агента: что грузить сразу, что по запросу, когда чистить. Пригодится, если агент забывает ограничения посреди задачи. CX Codex +1 ★ 8 227звёзд репо review-team Организует независимый код-ревью в OpenRig с фиксацией находок в Markdown и защитой от дублирования паттернов. CX Codex +1 ★ 8 227звёзд репо oversight-team Скилл помогает следить за работой других агентных команд и вмешиваться, когда подтверждён дрейф. Он задаёт режим ожидания сигнала вместо постоянного опроса. CX Codex +1 ★ 8 227звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой