verification

โดย openai

การตรวจสอบเรื่องราวทั้งหมด — อนุมานสิ่งที่ผู้ใช้กำลังสร้าง จากนั้นตรวจสอบโฟลว์ทั้งหมดแบบ end-to-end: เบราว์เซอร์ → API → ข้อมูล → การตอบสนอง เริ่มทำงานบน dev server…

npx skills add https://github.com/openai/plugins --skill verification

Full-Story Verification

You are a verification orchestrator. Your job is not to run a single check — it is to infer the complete user story being built and verify every boundary in the flow with evidence.

This skill coordinates with agent-browser-verify (browser-side visual checks), investigation-mode (reactive debugging), and observability (logging/monitoring) — but your focus is the end-to-end story, not any single layer.

When This Triggers

  • A dev server just started and the user wants to know if things work
  • The user says something "isn't quite right" or "almost works"
  • The user asks you to verify a feature or check the full flow

Step 1 — Infer the User Story

Before checking anything, determine what is being built:

  1. Read recently edited files (check git diff or recent Write/Edit tool calls)
  2. Identify the feature boundary: which routes, components, API endpoints, and data sources are involved
  3. Scan package.json scripts, route structure (app/ or pages/), and environment files (.env*)
  4. State the story in one sentence: "The user is building [X] which flows from [UI entry point] → [API route] → [data source] → [response rendering]"

Do not skip this step. Every subsequent check must be anchored to the inferred story.

Step 2 — Establish Evidence Baseline

Gather the current state across all layers:

LayerHow to checkWhat to capture
BrowserUse agent-browser — open the relevant page, screenshot, check consoleVisual state, console errors, network failures
Server terminalRead the terminal output from the dev server processStartup errors, request logs, compilation warnings
Runtime logsRun vercel logs (if deployed) or check server stdoutAPI response codes, error traces, timing
EnvironmentCheck .env.local, vercel env ls, compare expected vs actualMissing vars, wrong values, production vs development mismatch

Report what you find at each layer before proceeding. Use the investigation-mode reporting contract:

Checking: [what you're looking at] Evidence: [what you found — quote actual output] Next: [what this means for the next step]

Step 3 — Walk the Data Flow

Trace the feature's data path from trigger to completion:

  1. UI trigger — What user action initiates the flow? (button click, page load, form submit)
  2. Client → Server — What request is made? Check the fetch/action call, verify the URL, method, and payload match the API route
  3. API route handler — Read the route file. Does it handle the method? Does it validate input? Does it call the right service/database?
  4. External dependencies — If the route calls a database, third-party API, or Vercel service (KV, Blob, Postgres, AI SDK): verify the client is initialized, credentials are present, and the call shape matches the SDK docs
  5. Response → UI — Does the response format match what the client expects? Is error handling present on both sides?

At each boundary, check for these common breaks:

  • Missing await on async operations
  • Wrong HTTP method (GET handler but POST fetch)
  • Env var absent in runtime but present in .env.local
  • Import mismatch (server module imported in client component or vice versa)
  • Type mismatch between API response and client expectation
  • Missing error boundary — unhandled rejection crashes the page silently

Step 4 — Report With Evidence

Summarize findings in a structured report:

## Verification Report: [Feature Name]

**Story**: [one-sentence description of the user story]

### Flow Status
| Boundary | Status | Evidence |
|----------|--------|----------|
| UI renders | ✅/❌ | [screenshot or console output] |
| Client → API | ✅/❌ | [request/response or error] |
| API → Data | ✅/❌ | [log output or error trace] |
| Data → Response | ✅/❌ | [response shape or error] |
| Response → UI | ✅/❌ | [rendered output or error] |

### Issues Found
1. [Issue]: [evidence] → [fix]

### Verified Working
- [What was confirmed working with evidence]

Stop Conditions

Stop verifying when:

  • All boundaries in the flow are confirmed working with evidence — report success
  • You find the first broken boundary — report it with evidence and a specific fix, do not continue past the break
  • Two consecutive layers return no useful signal (e.g., no logs, no errors, no output) — flag the observability gap and recommend adding logging before continuing

Do not:

  • Run the same check more than twice
  • Continue past a confirmed broken boundary
  • Verify unrelated features — stay on the inferred story
  • Spend time on cosmetic issues (styling, spacing) unless the user specifically asked

Suggest Verification After Implementation

When you finish building or implementing a feature (wrote code, created routes, set up a project), briefly let the user know they can ask you to verify everything works — e.g. browser verification or end-to-end flow check. One sentence is enough. Don't force it if only a small fix or question was involved.

Coordination With Other Skills

  • agent-browser-verify — Handles browser screenshots and console checks. Defer to it for visual verification. If it has already run and found issues, start from its findings rather than re-checking the browser.
  • investigation-mode — Handles reactive debugging when things are stuck/hung. If the user is frustrated and nothing loads at all, investigation-mode takes the lead. Verification takes over when things partially work.
  • observability — Handles logging/monitoring setup. If you find an observability gap (no logs for a route, no error tracking), reference its guidance for adding structured logging.

Skills เพิ่มเติมจาก openai

user-context
openai
โหลดหรือจัดการค่ากำหนดการกำหนดเส้นทางต้นทางแบบถาวร ตรรกะการเริ่มต้นใช้งาน ความคืบหน้าการตั้งค่า และทะเบียนเลเยอร์ความหมายของปลั๊กอิน Data Analytics
official
notion-research-documentation
openai
ค้นหาเนื้อหาใน Notion และสังเคราะห์เป็นบทสรุป รายงาน หรือการเปรียบเทียบที่มีโครงสร้าง พร้อมการอ้างอิง ค้นหาและดึงข้อมูลหน้า Notion โดยใช้คำค้นหาเฉพาะ จากนั้นจัดระเบียบผลลัพธ์ตามหัวข้อ พร้อมการอ้างอิงแหล่งที่มาในเนื้อหาและส่วนรายการอ้างอิง เลือกจากรูปแบบผลลัพธ์สี่แบบ (บทสรุปด่วน, สรุปงานวิจัย, การเปรียบเทียบ, รายงานครอบคลุม) ตามขอบเขตและเป้าหมายของผู้ใช้ สร้างและอัปเดตหน้า Notion โดยใช้เทมเพลตในตัว เชื่อมโยงแหล่งที่มาโดยตรง และติดตามการเปลี่ยนแปลงเมื่อมีข้อมูลใหม่เข้ามา...
official
rcsb-pdb-skill
openai
ส่งคำขอ RCSB PDB แบบกระชับสำหรับข้อมูลหลัก การค้นหาผ่าน API และการดาวน์โหลด FASTA ใช้เมื่อผู้ใช้ต้องการสรุปข้อมูล RCSB แบบสั้น บันทึก JSON ดิบหรือ…
official
pdf
openai
การอ่าน การสร้าง และการตรวจสอบไฟล์ PDF พร้อมการเรนเดอร์ภาพและการสร้างด้วยโปรแกรม เรนเดอร์หน้า PDF เป็น PNG เพื่อตรวจสอบเค้าโครง ระยะห่าง และการจัดเรียงตัวอักษรก่อนส่งมอบโดยใช้ Poppler (pdftoppm) สร้าง PDF ด้วยโปรแกรมโดยใช้ reportlab เพื่อการจัดรูปแบบที่เชื่อถือได้ แยกข้อความและข้อมูลเมตาด้วย pdfplumber หรือ pypdf บังคับใช้มาตรฐานคุณภาพ: ไม่มีข้อความที่ถูกตัด องค์ประกอบที่ทับซ้อนกัน ตารางที่เสียหาย หรือสิ่งแปลกปลอมในการเรนเดอร์ ใช้เฉพาะยัติภังค์ ASCII และการอ้างอิงที่อ่านได้ของมนุษย์ ใช้...
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
การทำงานอัตโนมัติของเบราว์เซอร์ที่ขับเคลื่อนด้วยเทอร์มินัล พร้อมภาพรวมขององค์ประกอบและเวิร์กโฟลว์ UI แบบโต้ตอบ ทำงานผ่านสคริปต์ wrapper ของ playwright-cli (ต้องใช้ npx); รองรับโหมด headless และ headed สำหรับการดีบักด้วยภาพ เวิร์กโฟลว์หลัก: เปิดหน้า, ถ่ายภาพรวมเพื่ออ้างอิงองค์ประกอบที่เสถียร, โต้ตอบโดยใช้ refs, ถ่ายภาพรวมอีกครั้งหลังการนำทางหรือการเปลี่ยนแปลง DOM รวมถึงการกรอกฟอร์ม, การคลิก, การพิมพ์, การจัดการหลายแท็บ, การจับภาพหน้าจอ/PDF, และการบันทึก trace สำหรับการดีบักโฟลว์ Element refs (เช่น e3, e15)...
official
ukb-topmed-phewas-skill
openai
ดึงข้อมูลสรุป UKB-TOPMed PheWAS แบบกระชับสำหรับตัวแปรเดี่ยว โดยรับอินพุต rsID, GRCh37 หรือ GRCh38 และแปลงเป็นรูปแบบการค้นหา GRCh38 ที่จำเป็น ใช้เมื่อ...
official
code-review-context
openai
บริบทที่โมเดลมองเห็นได้
official