agentleFS
limoaCatherinelimoaCatherine/game-studio-harness/skills/device-matrix-pass/SKILL.md

device-matrix-pass

Skill4 starsChanged 54 days agoMITView on GitHub

按高中低档必测机跑功能冒烟、热与帧稳,验证降级开关。触发:设备矩阵、机型、低端机、热节流、画质档、降级开关。

The file

Files
SKILL.md

设备矩阵怎么验

真机分层抽样(低/中/高 RAM 与 GPU 族):功能冒烟 + 热/帧稳 + 降级开关可观察回预算。分辨率只作矩阵一列,不是兼容结论主体。长会话帧时/p50/p99/预算对照下钻交 perf-budget-check。

何时用

  • 发行前要按档位机型抽样验收
  • 低端机爆热/掉帧、长会话后性能腰斩
  • 降级开关是否真生效(手动与自动热触发)
  • 商店最低规格声明与实机能力要对齐

怎么做

1. 冻结必测矩阵(风险抽样)

  1. 向用户索取最低规格声明与目标区安装分布;无数据用低/中/高 RAM·GPU 默认骨架,矩阵头标注「待用安装数据替换」。
  2. 建矩阵表列:device_id、tier、OS、RAM、GPU 族、OEM、分辨率(仅一列输入)、输入、画质默认、构建槽、must_test。
  3. 低端至少 1 台靠近最低 RAM;GPU 族覆盖两类以上;不得只有旗舰。模拟器/云真机单列,不顶真机结论。
  4. 冻结场景清单:冷启、登录、主路径、存档、最差战斗/拥堵、旋转+前后台。
  5. 检查:低端行存在、每机绑定构建槽;缺最低规格则停在本步不发机。

做到:必测矩阵含低中高档与场景清单;低端机在列;分辨率未写成结论主体。

2. 每机功能冒烟可勾选

  1. 装包校验哈希/版本名与构建号一致后按场景清单执行。
  2. 每机填结果表:case_id、result、symptom、shot_path、log_path。
  3. 覆盖存档杀进程读写、安全区/触控死区、旋转与 Home 前后台(含战斗中);主机/PC 补手柄断开提示与窗/全屏切换。
  4. 失败标签含 device+OS;同现象多机链同一缺陷 id。
  5. 检查每机功能项全有结果;FAIL 必有证据路径。

做到:每机功能冒烟有勾选结果与证据;机型标签齐全。

3. 热与帧稳采样

  1. 长会话按冻结时长跑;记帧时分布与热节流是否触发(可观察信号即可,不做预算系统下钻)。
  2. 对照档位画质默认;记录节流后可玩性变化与回升。
  3. 编辑器/模拟器样仅对照,真机结论单列。
  4. 异常开缺陷挂机型标签;附帧时或温度可观察信号。
  5. 检查冷热/长会话项有记录;不合格补跑本步。超标需分桶/profiler 下钻 → 交 perf-budget-check。

做到:热/帧稳有可观察记录;不冒充预算专项结论。

4. 验证降级开关可观察回预算

  1. 手动切低画质档与自动热触发各验一次;观察 HUD/设置项/日志开关值。
  2. 确认降级后帧时或负载回到约定观察区间,或记录未回并开单。
  3. 分辨率只作为矩阵一列输入,不把「多分辨率适配全文」写成兼容/矩阵结论主体。
  4. 汇总矩阵版本号与本轮结果摘要交制作/兼容职种。
  5. 检查开关可观察且有前后对比;空口「感觉稳了」退回补证据。

做到:降级开关有可观察前后记录;模拟器不顶真机结论。

做到

  • 必测矩阵含低中高档与场景清单;低端机在列
  • 每机功能冒烟有勾选结果与证据;机型标签齐全
  • 热/帧稳与降级开关有可观察前后记录;模拟器不顶真机结论

工具锚

  • CI 流水线配置(.yaml / workflow)与冒烟命令日志
  • 失败用例名与复现步骤写入 .harness/artifacts/
  • verify-report.json 引用本批日志路径

失败回哪一步

  • 只有旗舰、缺最低规格、场景未冻 → 回步骤 1
  • 失败无机型标签、项缺结果 → 回步骤 2
  • 无热/帧记录、模拟器顶真机 → 回步骤 3
  • 降级未验证、空口感觉稳 → 回步骤 4

边界

  • 不做:纯分辨率适配 UI 规范全文;性能预算对照与 profiler 下钻全文(→perf-budget-check);商店认证条款逐条(→platform-cert-smoke);功能深度用例库
  • 下一步常接:超标 perf-budget-check;机型相关认证短项 platform-cert-smoke;N/N-1 存档协议 compat-smoke

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.