qcsd-refinement-swarm — скилл для Claude Code: проверка историй
Скилл qcsd-refinement-swarm проверяет пользовательские истории перед планированием спринта: оценивает требования, готовит BDD-сценарии и выносит решение о готовности.
MIT 105 установок ★ 533 обновлён 2026-10-25
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a claude-codeЧто делает qcsd-refinement-swarm
Передайте скиллу пользовательскую историю с критериями приёмки. Он анализирует её через факторы SFDIPOT, проверяет требования по INVEST и формирует BDD-сценарии. Итог — решение READY, CONDITIONAL или NOT-READY и отчёт о доработке.
Работа разбита на последовательные шаги: сначала оценивают историю три основных агента, затем при срабатывании условий подключаются дополнительные. Среди них есть проверки API, зависимостей и авторизации. В конце скилл преобразует идеи тестов и сохраняет выводы в память.
История с критериями приёмки обязательна. Без неё скилл не сможет начать проверку; папку отчётов можно задать через OUTPUT_FOLDER, иначе используется ${PROJECT_ROOT}/Agentic QCSD/refinement/.
Какие задачи решает
- проверить требования пользовательской истории по INVEST
- разобрать историю через факторы SFDIPOT
- составить BDD-сценарии по критериям приёмки
- решить, готова ли история к планированию спринта
- выявить дополнительные проверки для API и зависимостей
Примеры запросов агенту
- Проверь эту пользовательскую историю и критерии приёмки перед планированием спринта.
- Составь BDD-сценарии для этой истории и оцени её готовность.
- Проверь историю с API и зависимостями, затем подготовь отчёт в
OUTPUT_FOLDER.
Как установить qcsd-refinement-swarm
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a claude-code2Вручную: положить файлы
~/.claude/skills/qcsd-refinement-swarm/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/qcsd-refinement-swarm/
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a codex2Вручную: положить файлы
.agents/skills/qcsd-refinement-swarm/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a cursor2Вручную: положить файлы
.cursor/skills/qcsd-refinement-swarm/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install proffesor-for-testing/agentic-qe assets/skills/qcsd-refinement-swarm2Вручную: положить файлы
.github/skills/qcsd-refinement-swarm/SKILL.md1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a gemini-cli2Командой платформы
gemini skills install https://github.com/proffesor-for-testing/agentic-qe --path assets/skills/qcsd-refinement-swarmВручную: положить файлы
.devin/skills/qcsd-refinement-swarm/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о qcsd-refinement-swarm
Как установить qcsd-refinement-swarm в Claude Code?
Выполните npx skills add proffesor-for-testing/agentic-qe --skill qcsd-refinement-swarm -a claude-code. Файл скилла находится в ~/.claude/skills/qcsd-refinement-swarm/SKILL.md.
Что делает qcsd-refinement-swarm?
Он проверяет пользовательские истории для этапа Sprint Refinement, создаёт BDD-сценарии и выдаёт решение READY, CONDITIONAL или NOT-READY.
Какие данные нужны скиллу для проверки?
Нужна пользовательская история с критериями приёмки. Папку для отчётов можно задать параметром OUTPUT_FOLDER.
Исходный текст
SKILL.md · MIT
---
name: qcsd-refinement-swarm
description: "Use when running Sprint Refinement sessions with SFDIPOT product factors, generating BDD scenarios, or validating requirements in the QCSD Refinement phase."
category: qcsd-phases
priority: critical
version: 1.0.0
tokenEstimate: 3200
# DDD Domain Mapping (from QCSD-AGENTIC-QE-MAPPING-FRAMEWORK.md)
domains:
primary:
- domain: requirements-validation
agents: [qe-product-factors-assessor, qe-bdd-generator, qe-requirements-validator]
conditional:
- domain: contract-testing
agents: [qe-contract-validator]
- domain: code-intelligence
agents: [qe-impact-analyzer, qe-dependency-mapper]
- domain: enterprise-integration
agents: [qe-middleware-validator, qe-odata-contract-tester, qe-sod-analyzer]
transformation:
- domain: test-generation
agents: [qe-test-idea-rewriter]
# Agent Inventory
agents:
core: [qe-product-factors-assessor, qe-bdd-generator, qe-requirements-validator]
conditional: [qe-contract-validator, qe-impact-analyzer, qe-dependency-mapper, qe-middleware-validator, qe-odata-contract-tester, qe-sod-analyzer]
transformation: [qe-test-idea-rewriter]
total: 10
sub_agents: 0
skills: [context-driven-testing, testability-scoring, risk-based-testing]
# Execution Models (Task Tool is PRIMARY)
execution:
primary: task-tool
alternatives: [mcp-tools, cli]
swarm_pattern: true
parallel_batches: 3
last_updated: 2026-02-02
enforcement_level: strict
tags: [qcsd, refinement, sfdipot, bdd, gherkin, requirements, swarm, parallel, ddd]
trust_tier: 3
validation:
schema_path: schemas/output.json
validator_path: scripts/validate-config.json
eval_path: evals/qcsd-refinement-swarm.yaml
---
# QCSD Refinement Swarm v1.0
Shift-left quality engineering swarm for Sprint Refinement sessions.
---
## Overview
The Refinement Swarm takes user stories that passed Ideation and prepares them
for Sprint commitment using SFDIPOT product factors, BDD scenarios, and INVEST validation.
It renders a READY / CONDITIONAL / NOT-READY decision.
### QCSD Phase Positioning
| Phase | Swarm | Decision | When |
|-------|-------|----------|------|
| Ideation | qcsd-ideation-swarm | GO / CONDITIONAL / NO-GO | PI/Sprint Planning |
| **Refinement** | **qcsd-refinement-swarm** | **READY / CONDITIONAL / NOT-READY** | **Sprint Refinement** |
| Development | qcsd-development-swarm | SHIP / CONDITIONAL / HOLD | During Sprint |
| Verification | qcsd-cicd-swarm | RELEASE / REMEDIATE / BLOCK | Pre-Release / CI-CD |
| Production | qcsd-production-swarm | HEALTHY / DEGRADED / CRITICAL | Post-Release |
### Parameters
- `STORY_CONTENT`: User story with acceptance criteria (required)
- `OUTPUT_FOLDER`: Where to save reports (default: `${PROJECT_ROOT}/Agentic QCSD/refinement/`)
---
## ENFORCEMENT RULES - READ FIRST
| Rule | Enforcement |
|------|-------------|
| **E1** | MUST spawn ALL THREE core agents in Step 2. |
| **E2** | MUST put all parallel Task calls in a SINGLE message. |
| **E3** | MUST STOP and WAIT after each batch. |
| **E4** | MUST spawn conditional agents if flags are TRUE. |
| **E5** | MUST apply READY/CONDITIONAL/NOT-READY logic exactly. |
| **E6** | MUST generate the full report structure. |
| **E7** | Each agent MUST read its reference files before analysis. |
| **E8** | MUST apply qe-test-idea-rewriter transformation in Step 8. |
| **E9** | MUST execute Step 7 learning persistence. |
---
## Step Execution Protocol
Execute steps sequentially by reading each step file with the Read tool.
### Steps
1. **Flag Detection** -- `steps/01-flag-detection.md` -- Analyze story content, evaluate all 7 flags
2. **Core Agents** -- `steps/02-core-agents.md` -- Spawn qe-product-factors-assessor, qe-bdd-generator, qe-requirements-validator
3. **Batch 1 Results** -- `steps/03-batch1-results.md` -- Wait and extract metrics
4. **Conditional Agents** -- `steps/04-conditional-agents.md` -- Spawn flagged agents
5. **Decision Synthesis** -- `steps/05-decision-synthesis.md` -- Apply READY/CONDITIONAL/NOT-READY logic
6. **Report Generation** -- `steps/06-report-generation.md` -- Generate refinement report
7. **Learning Persistence** -- `steps/07-learning-persistence.md` -- Store findings to memory
8. **Transformation** -- `steps/08-transformation.md` -- Run test idea rewriter on all test ideas
9. **Final Output** -- `steps/09-final-output.md` -- Display completion summary
### Execution Instructions
1. Use the Read tool to load the current step file
2. Execute the step's instructions completely
3. Verify all success criteria are met
4. Pass output as context to next step
5. If a step fails, halt and report
### Resume Support
To resume from a specific step: specify `--from-step N`.
---
## Agent Inventory
| Agent | Type | Domain | Batch |
|-------|------|--------|-------|
| qe-product-factors-assessor | Core | requirements-validation | 1 |
| qe-bdd-generator | Core | requirements-validation | 1 |
| qe-requirements-validator | Core | requirements-validation | 1 |
| qe-contract-validator | Conditional (HAS_API) | contract-testing | 2 |
| qe-impact-analyzer | Conditional (HAS_REFACTORING) | code-intelligence | 2 |
| qe-dependency-mapper | Conditional (HAS_DEPENDENCIES) | code-intelligence | 2 |
| qe-middleware-validator | Conditional (HAS_MIDDLEWARE) | enterprise-integration | 2 |
| qe-odata-contract-tester | Conditional (HAS_SAP_INTEGRATION) | enterprise-integration | 2 |
| qe-sod-analyzer | Conditional (HAS_AUTHORIZATION) | enterprise-integration | 2 |
| qe-test-idea-rewriter | Transformation (always) | test-generation | 3 |
**Total: 10 agents (3 core + 6 conditional + 1 transformation)**
---
## Key Principle
**Refinement quality determines sprint success. This swarm ensures stories are
testable, complete, and ready for development commitment.**
© proffesor-for-testing · MIT · proffesor-for-testing/agentic-qe