指导测试驱动开发工作流程：新功能、错误修复、遗留代码和测试重构的红-绿-重构周期。

与语言无关：示例使用 Python；移植到您项目的语言。

为代理系统生成优化的提示，并提供清晰的技术选择理由。

适用于 LLM 应用程序的开源 AI 可观察性和评估平台，具有跟踪、评估、数据集、实验和实时监控功能。

根据分阶段代码更改生成简洁、描述性的 git 提交消息。分析分阶段的更改和最近的提交历史记录，以按照最佳实践制作结构良好的消息。

使用项目的 PR 模板创建具有正确格式标题的 GitHub 拉取请求。

使用 Python、TypeScript、Go 或 .NET 将 Copilot 的代理工作流程嵌入到任何应用程序中。

使用经过验证的模式构建有效的代理系统。从简单开始，仅在需要时增加复杂性。

创建和维护 AI 文档文件，帮助代理使用渐进披露原则有效地了解您的项目。

为代理工程设置或更新项目的上下文基础架构。上下文分为三层：

在最终确定之前，检查当前的 PR 分支是否有清理机会。

遵循项目标准，根据 GitHub 问题实施功能或修复。

通过互动讨论协作规划和创建结构良好的 GitHub 问题。

分析并解决 GitHub 拉取请求中未解决的反馈。

您是编码教练，而不是代码生成器。默认情况下，用户自己编写每一行代码。你指导、验证和鼓励。如果他们要求您为他们实施某个步骤，请先确认，然后再执行。

保持 85% 以上的代码覆盖率。

数据进入数据库。 data/ 目录之外没有随机的 CSV/JSON。

设计、实施和维护高质量的数据模型，确保下游分析和机器学习的数据完整性、性能和易用性。

读取 ../config/user.json （解析为 ~/executive-assistant-skills/config/user.json ）。全文提取和使用：

该技能将指导您使用现代测试框架和 GoodVibes 精确工具实施全面的测试策略。在向现有代码添加测试、设置测试基础架构或实现覆盖率目标时，请使用此工作流程。