test-coverage-improver

von openai

Improve test coverage in the OpenAI Agents Python repository: run `make coverage`, inspect coverage artifacts, identify low-coverage files, propose high-impact…

npx skills add https://github.com/openai/openai-agents-python --skill test-coverage-improver

Test Coverage Improver

Overview

Use this skill whenever coverage needs assessment or improvement (coverage regressions, failing thresholds, or user requests for stronger tests). It runs the coverage suite, analyzes results, highlights the biggest gaps, and prepares test additions while confirming with the user before changing code.

Quick Start

  1. From the repo root run make coverage to regenerate .coverage data and coverage.xml.
  2. Collect artifacts: .coverage and coverage.xml, plus the console output from coverage report -m for drill-downs.
  3. Summarize coverage: total percentages, lowest files, and uncovered lines/paths.
  4. Draft test ideas per file: scenario, behavior under test, expected outcome, and likely coverage gain.
  5. Ask the user for approval to implement the proposed tests; pause until they agree.
  6. After approval, write the tests in tests/, rerun make coverage, and then run $code-change-verification before marking work complete.

Workflow Details

  • Run coverage: Execute make coverage at repo root. Avoid watch flags and keep prior coverage artifacts only if comparing trends.
  • Parse summaries efficiently:
    • Prefer the console output from coverage report -m for file-level totals; fallback to coverage.xml for tooling or spreadsheets.
    • Use uv run coverage html to generate htmlcov/index.html if you need an interactive drill-down.
  • Prioritize targets:
    • Public APIs or shared utilities in src/agents/ before examples or docs.
    • Files with low statement coverage or newly added code at 0%.
    • Recent bug fixes or risky code paths (error handling, retries, timeouts, concurrency).
  • Design impactful tests:
    • Hit uncovered paths: error cases, boundary inputs, optional flags, and cancellation/timeouts.
    • Cover combinational logic rather than trivial happy paths.
    • Place tests under tests/ and avoid flaky async timing.
  • Coordinate with the user: Present a numbered, concise list of proposed test additions and expected coverage gains. Ask explicitly before editing code or fixtures.
  • After implementation: Rerun coverage, report the updated summary, and note any remaining low-coverage areas.

Notes

  • Keep any added comments or code in English.
  • Do not create scripts/, references/, or assets/ unless needed later.
  • If coverage artifacts are missing or stale, rerun pnpm test:coverage instead of guessing.

Mehr Skills von openai

user-context
openai
Laden oder verwalten Sie die dauerhaften Source-Routing-Einstellungen, die Onboarding-Logik, den Setup-Fortschritt und das Semantic-Layer-Register des Data Analytics-Plugins.
official
notion-research-documentation
openai
Notion-Inhalte recherchieren und in strukturierte Kurzberichte, Reports oder Vergleiche mit Quellenangaben synthetisieren. Notion-Seiten mit gezielten Suchanfragen durchsuchen und abrufen, dann Ergebnisse nach Themen ordnen mit Inline-Quellenangaben und einem Referenzabschnitt. Wählen Sie aus vier Ausgabeformaten (Kurzbericht, Forschungszusammenfassung, Vergleich, umfassender Report) basierend auf Umfang und Benutzerziel. Erstellen und aktualisieren Sie Notion-Seiten mit integrierten Vorlagen; verlinken Sie Quellen direkt und verfolgen Sie Änderungen, sobald neue Informationen eintreffen...
official
rcsb-pdb-skill
openai
Übermitteln Sie kompakte RCSB PDB-Anfragen für Kernmetadaten, Search API-Abfragen und FASTA-Downloads. Verwenden Sie dies, wenn ein Benutzer prägnante RCSB-Zusammenfassungen wünscht; speichern Sie rohes JSON oder…
official
pdf
openai
PDF-Lesen, -Erstellung und -Validierung mit visueller Darstellung und programmatischer Generierung. Rendern von PDF-Seiten in PNG zur visuellen Überprüfung von Layout, Abständen und Typografie vor der Auslieferung mit Poppler (pdftoppm). Programmatisches Erstellen von PDFs mit reportlab für zuverlässige Formatierung; Extrahieren von Text und Metadaten mit pdfplumber oder pypdf. Durchsetzung von Qualitätsstandards: kein abgeschnittener Text, überlappende Elemente, defekte Tabellen oder Rendering-Artefakte; nur ASCII-Bindestriche, menschenlesbare Zitate. Verwendung...
official
test-coverage-improver
openai
Improve test coverage in the OpenAI Agents JS monorepo: run `pnpm test:coverage`, inspect coverage artifacts, identify low-coverage files and branches, propose…
official
playwright
openai
Terminalgesteuerte Browserautomatisierung mit Element-Snapshots und interaktiven UI-Workflows. Funktioniert über ein playwright-cli-Wrapper-Skript (erfordert npx); unterstützt Headless- und Headed-Modi für visuelles Debugging. Kern-Workflow: Seite öffnen, Snapshot für stabile Elementreferenzen erstellen, mit Referenzen interagieren, nach Navigation oder DOM-Änderungen erneut snapshot erstellen. Beinhaltet Formularausfüllen, Klicken, Tippen, Multi-Tab-Verwaltung, Screenshot/PDF-Erfassung und Trace-Aufzeichnung für Flow-Debugging. Element-Referenzen (z. B. e3, e15)...
official
ukb-topmed-phewas-skill
openai
Rufe kompakte UKB-TOPMed-PheWAS-Zusammenfassungen für einzelne Varianten ab, indem du rsID, GRCh37 oder GRCh38 als Eingabe akzeptierst und zur erforderlichen GRCh38-Abfrage auflöst. Verwende, wenn ein…
official
code-review-context
openai
Für das Modell sichtbarer Kontext
official