agentleFS
FrankLord27FrankLord27/ai-lordkit/skills/testing-actions/SKILL.md

testing-actions

Skill2 starsChanged 17 days agoMITView on GitHub

Estrategia de pruebas y pipelines de GitHub Actions ordenados por etapas, con íconos por categoría y un resumen final con resultados reales. Úsala SIEMPRE que se hable de tests, pruebas, cobertura, CI, CD, pipeline, GitHub Actions, workflows, jobs, steps, runners (de GitHub o propios / self-hosted), "la CI falla", "ordena los tests", "auditoría de pruebas", o al crear o tocar cualquier archivo de `.github/workflows/`. También al cerrar un bloque cuando hay que decidir qué pruebas faltan.

The file

Files
SKILL.md

Testing + GitHub Actions

Objetivo: un proyecto confiable con pruebas que importan y un pipeline que se lee de un vistazo, como una línea de producción con etapas e íconos, y que nunca esconde un fallo.

Para una auditoría completa del repositorio (fases 1 a 10, informe final obligatorio) sigue references/prompt-maestro.md. Para armar o reordenar un workflow, parte de references/ci-template.yml. Esta página es la versión corta que se aplica siempre.

Reglas que no se negocian

  1. Primero mira el repo real: stack, gestor de paquetes, scripts, workflows y pruebas que ya existen. No inventes comandos, rutas, variables ni servicios: verifica que existan antes de usarlos.
  2. No declares que algo pasó si no lo corriste. Distingue siempre: ejecutado ✅ / fallido ❌ / omitido ⏭️ / bloqueado ⚠️. "Validé el YAML" no es "la CI pasó en la nube".
  3. Ningún paso que oculte fallos: nada de || true, continue-on-error: true en pruebas críticas ni comandos que siempre salen con 0. if: always() solo para subir reportes o limpiar, nunca para tapar el estado.
  4. Los íconos son decoración: identifican la categoría, no cambian comandos, nombres de scripts ni criterios de aprobación.
  5. Nada de secretos en logs, fixtures, reportes, capturas ni artefactos. No expongas secretos a PRs no confiables ni uses pull_request_target sin revisarlo.
  6. Permisos mínimos (permissions: contents: read por defecto), concurrency para cancelar corridas viejas, acciones mantenidas y fijadas según la política del repo.
  7. Pruebas que importan, no porcentaje: lógica de negocio, dinero, auth, permisos, validación, persistencia y errores primero. Cada bug corregido trae su prueba de regresión.

Las capas (solo las que aplican al proyecto)

CapaÍconoCuándo
Unit🧪Funciones, reglas de negocio, cálculos, servicios, hooks
Integration🔗API + base de datos, auth con rutas protegidas, colas, almacenamiento
E2E🎭Recorridos reales de usuario en el navegador (solo si hay interfaz)
API🌐Códigos de estado, esquemas, permisos, errores que no filtran datos
Database🗄️Migraciones, restricciones, transacciones, N+1
Auth🔐Sesiones, tokens, roles, acceso a recursos ajenos
Security🛡️Dependencias, secretos, inyección, CORS, rate limit
Performance⚡En workflow programado o manual, no en cada commit
Regression🔄Una prueba por cada bug importante corregido
Smoke💨Que la app arranque y responda después del build
Accessibility♿Flujos importantes de interfaces web o móviles
Compatibility🌍Solo la matriz que el proyecto soporta de verdad

Explica por qué una capa no aplica en vez de crear jobs vacíos.

El pipeline por etapas

Ordena los jobs con needs: para que el gráfico de Actions se lea de izquierda a derecha:

🧹 Lint & Format ─┐
                  ├─► 🧪 Unit Tests ─► 🏗️ Build ─┬─► 🎭 E2E Tests ─────┐
🔎 Type Check ────┘          │                   ├─► 💨 Smoke Tests ───┼─► 🏁 Pipeline Summary
                             └─► 🔗 Integration ─┴─► ♿ Accessibility ─┘
  • Los checks rápidos van primero y en paralelo: si fallan, no se gasta tiempo en lo caro.
  • 🏁 Pipeline Summary corre siempre (if: always()), lee needs.<job>.result y escribe la tabla en $GITHUB_STEP_SUMMARY. Termina en error si algún job falló, así no tapa nada.
  • Nombres de job y step con ícono + etiqueta corta en inglés (🧪 Unit Tests, 📦 Install dependencies); los ids YAML quedan en kebab-case sin emoji.

Íconos de steps y resultados

StepÍconoResultadoÍcono
Checkout📥Correcto✅
Setup del runtime⚙️Fallido❌
Dependencias📦Advertencia⚠️
Formato📝Omitido⏭️
Lint🧹En ejecución⏳
Type check🔎Cobertura📊
Build🏗️Resumen📋
Contenedores🐳
Despliegue🚀
Reportes / artefactos📋 / 💾

Runner propio (self-hosted)

Sirve para no pagar minutos de GitHub en repos privados. Lo que cambia frente a las máquinas de GitHub:

  • La máquina no se borra entre corridas. Todo contenedor que lance un step con docker run lleva --name fijo, se borra el anterior antes de arrancar (docker rm -f <nombre> || true solo en esa limpieza) y se apaga al final con if: always().
  • Puertos compartidos. Un runner hace un job a la vez: así los servicios (services: con puertos fijos, la API, la web) no chocan. Para correr jobs en paralelo hacen falta varios runners y puertos distintos por job.
  • Sin sudo. Las librerías del sistema (por ejemplo, las de Chrome para Playwright) se instalan una vez en la máquina; en la CI, playwright install chromium sin --with-deps.
  • Seguridad. El runner ejecuta el código de cada PR con acceso a Docker (equivale a root en esa máquina). Solo en repos privados, sin correr workflows de forks, con un usuario propio para el runner y, si se puede, en una máquina o VM que no sea la de producción. Mejor aún: runners efímeros (--ephemeral) dentro de un contenedor que se borra al terminar.
  • Etiqueta propia (runs-on: [self-hosted, <etiqueta>]) para que otros repos no tomen el runner.

Al terminar

Entrega una tabla solo con resultados reales:

ValidaciónEstadoResultado
🧹 Lint✅ / ❌ / ⏭️Lo que pasó de verdad
🔎 Type check
🧪 UnitN pasaron / N fallaron
🎭 E2E
🏗️ Build
📊 CoberturaPorcentaje real o "no se generó"

Y aparte: lo que quedó bloqueado (y qué falta para desbloquearlo) y los próximos pasos priorizados. Lo implementado y lo recomendado, siempre separados.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.