agentleFS
Sign inStart free
stage2devstage2dev/power-platform-skills/skills/homologar/SKILL.md

homologar

Skill3 starsChanged 41 days agoMITView on GitHub

Use quando os testes do app Power Apps foram aprovados e é hora da etapa 9 do pipeline: levar o app ao ambiente de homologação, gerar o roteiro de UAT por perfil e registrar o aceite dos usuários reais (quem e quando). Reprovado, devolve a correção para a construção. Não use antes do /pp:testar aprovar, nem para promover para produção (use `/pp:publicar`).

The file

We split this skill into the rules it gives an agent

1 rule. About 0 are common, 0 are distinctive, and 1 is very specific to this project.

  • ≈0

    Common · estimate

    Many files like this have a rule of this kind.

  • ≈0

    Distinctive · estimate

    This author's own choices. Worth a look.

  • 1

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Very specific:

    Commit se git_commit_por_etapa: pp(homologar): UAT-<data> <aprovado | reprovado>.

    line 55

≈ “Common” is an estimate: at least 1 in 5 of the 350,495 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

/pp:homologar — Homologação com o usuário

Etapa 9 do pipeline, bloco 4. Validação e entrega. Quem testa agora são os usuários reais, com dado parecido com o real, num ambiente que não é o de desenvolvimento. Você prepara o roteiro e registra o aceite; o usuário conduz a sessão com as pessoas.

KIT = ${CLAUDE_PLUGIN_ROOT}. Formato de saída: KIT/skills/power-platform/references/formato-saida.md. Script de estado: python "${CLAUDE_PLUGIN_ROOT}/skills/power-platform/scripts/estado.py". Promoção entre ambientes: KIT/skills/power-platform/references/alm-ambientes.md §2-§5 e §10.

Antes de começar

  1. estado.py comecar homologar. Exit 1: mostre a saída e pare.
  2. Leia docs/planejamento/prd.md (perfis, requisitos P0), o último docs/qa/QA-*.md e a seção ALM de arquitetura.md.
  3. Reaberta por uma mudança (o motivo no ESTADO.md cita MUD-<NNN>): leia o docs/mudancas/MUD-<NNN>.md. O UAT cobre os pedidos da mudança (seção 2) mais um ciclo curto do requisito P0 principal, para pegar regressão; não refaz o roteiro inteiro.

Passos

  1. Onde homologar (AskUserQuestion):
    • "Ambiente de homologação (HML) (Recomendado)";
    • "Não temos HML: homologar em DEV". A segunda vira risco aceito em docs/qa/UAT-<data>.md, com quem aceitou.
  2. Levar o app para HML (checkpoint Ação no ambiente, 🔴), passo a passo de alm-ambientes.md §10: exportar a solução gerenciada de DEV, importar em HML, preencher as variáveis de ambiente, ligar as connection references, dar acesso aos usuários de teste. "Digite 'feito' ou o erro."
  3. Roteiro de UAT em docs/qa/UAT-<AAAA-MM-DD>.md:
    • um bloco por perfil;
    • um cenário por requisito P0: passos curtos e o resultado esperado;
    • a massa de dados e os usuários de teste (um por perfil, um de outra unidade);
    • espaço para passou / falhou / observação e para a assinatura (nome ou papel, data).
  4. Sessão com os usuários (checkpoint Ação no ambiente, 🔴): o usuário conduz o UAT com as pessoas e volta com o roteiro preenchido. AskUserQuestion:
    • "Aprovado";
    • "Aprovado com ressalvas que não bloqueiam";
    • "Reprovado".
  5. Registre no UAT-<data>.md quem aprovou e quando. Ressalvas viram tarefas ⬜ numa seção "Depois do go-live" do GOAL.md.

Encerrar

  • Aprovado (com ou sem ressalvas): estado.py concluir homologar --nota "aceite de <quem> em <data>".
  • Reprovado: cada problema em docs/qa/correcoes.md com a camada (app ou flows), depois estado.py reabrir construir --motivo "UAT-<data>: <k> problemas" [--argumento app|flows]. Construção, testes e homologação reabrem juntos.
  • Commit se git_commit_por_etapa: pp(homologar): UAT-<data> <aprovado | reprovado>.
  • Resumo e o bloco "Próximo passo" que o script imprimiu.

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.

Check your setup, free