Back to search
agente-qa-mobile
SkillWorks with Claude CodeGitHub
9-stage mobile QA pipeline as Claude Code skills: expectations before code, oracle ensemble, 2 human gates.
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/manuel-arguelles-ai--agente-qa-mobile)HTML
<a href="/listings/manuel-arguelles-ai--agente-qa-mobile"><img src="/api/listings/manuel-arguelles-ai--agente-qa-mobile/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 98 lines
- # agente-qa-mobile
- Pipeline de QA para apps móviles (Flutter/Android, con criterios iOS) en **9 etapas** y **2 compuertas human-in-the-loop**, implementado como skills de Claude Code. Audita una feature o app y entrega un reporte de cumplimiento con un veredicto por expectativa: `cumple`, `no_cumple` o `dudoso`.
- ## La idea central
- Un auditor que primero lee el código y después decide qué "debería" hacer termina auditando contra lo que el código ya hace: todo cumple, porque las expectativas salieron de la implementación.
- Este pipeline invierte el orden:
- 1. **Primero se generan las expectativas de calidad desde la concepción** (spec, historia de usuario) y desde criterios externos verificables (Android vitals, OWASP MASVS, WCAG), **antes de mirar el código**. Cada expectativa es una tupla ⟨P, I, Q⟩: precondición, interacción, postcondición, con un tag estable.
- 2. Después se exploran el código y la app en ejecución para descubrir expectativas adicionales (cada una con su `source`), que se fusionan con las anteriores sin duplicar.
- 3. Cada expectativa se convierte en un **ensemble de oráculos** (propiedad ejecutable, relación metamórfica, check estático, auditoría de datos); ningún oráculo basado en LLM decide solo.
- 4. Solo `qa-verify` emite veredictos, y **nunca** marca `cumple` sin evidencia. Si la única fuente de una expectativa es un comentario del propio código (no un spec ni un test), una desviación queda como `dudoso`, porque los comentarios se desincronizan del código.
- ## Pipeline
- ```mermaid
- flowchart TD
- A[1. qa-conceive<br/>expectativas desde la spec] --> B[2. qa-explore-code<br/>expectativas desde el código]
- B --> C[3. qa-explore-runtime<br/>expectativas explorando la UI]
- C --> D[4. qa-author-oracles<br/>ensemble de checks por expectativa]
- D --> G1{{COMPUERTA HUMANA 1<br/>aprobar expectativas y checks}}
- G1 --> E[5. qa-execute<br/>correr o generar checks]
- E --> F[6. qa-run-farm<br/>device farm: Firebase Test Lab]
- F --> V[7. qa-visual<br/>golden tests + MLLM advisory]
- V --> W[8. qa-verify<br/>veredicto por expectativa]
- W --> G2{{COMPUERTA HUMANA 2<br/>adjudicar los dudosos}}
- G2 --> R[9. qa-report<br/>reporte rankeado por riesgo]
- ```
- El driver `/qa-mobile <target>` orquesta todo. Si la feature no tiene spec escrita, se omite `qa-conceive` y `qa-explore-code` pasa a ser la fuente primaria (sin inventar una concepción de memoria).
- ## Qué hace cada etapa
- | Etapa | Skill | Qué produce |
- |---|---|---|
- | 1 | `qa-conceive` | Expectativas ⟨P,I,Q⟩ desde la spec, más no-funcionales ancladas en `criteria/`. Vocabulario de tags canónico para que sea reproducible. Solo genera, no afirma cumplimiento. |
- | 2 | `qa-explore-code` | Expectativas derivadas del código, con `source`; relaciones metamórficas (filtros: subconjunto; orden/monotonía). |
- | 3 | `qa-explore-runtime` | Exploración autónoma de la UI con Patrol (planner, actor, observer, reflector con memoria; llama al LLM solo cuando la cobertura se estanca). Incluye ciclo de vida (background/kill y restauración). |
- | 4 | `qa-author-oracles` | Fusiona duplicados entre fuentes y emite por expectativa al menos 2 tipos de check: `property`, `metamorphic`, `static`, `data-audit`. |
- | 5 | `qa-execute` | Corre lo que se puede correr (tests, `flutter analyze`, auditorías de datos) y **genera** los tests que requieren device. Verifica que el test ejercite el símbolo real y no una copia aislada. |
- | 6 | `qa-run-farm` | Runbook para Firebase Test Lab (build en CI, sharding vía Patrol). Sin infraestructura, la evidencia queda como `planned`. |
- | 7 | `qa-visual` | Evidencia visual: golden tests (deterministas) y juicio MLLM solo como nota advisory. |
- | 8 | `qa-verify` | `cumple` / `no_cumple` / `dudoso` con `confidence`; `blocked_reason` opcional (`no_device`, `no_infra`, `ambiguous_evidence`, `needs_external_data`). |
- | 9 | `qa-report` | `qa-report.md`: resumen, hallazgos por riesgo (`no_cumple` > `dudoso` > `cumple`) y cola de revisión humana agrupada por causa de bloqueo. No pierde ningún tag. |
- ## Las 2 compuertas human-in-the-loop
- - **Compuerta 1 (tras la etapa 4):** el humano revisa y aprueba las expectativas y sus checks antes de gastar tiempo de ejecución.
- - **Compuerta 2 (tras la etapa 8):** el humano adjudica cada `dudoso` antes de generar el reporte final.
- El driver tiene prohibido saltárselas.
- ## Estructura
- ```
- skills/
- qa-mobile/ driver /qa-mobile + criteria/ (vitals, masvs, wcag, ios)
- qa-conceive/ qa-explore-code/ qa-explore-runtime/ qa-author-oracles/
- qa-execute/ qa-run-farm/ qa-visual/ qa-verify/ qa-report/
- (cada una: SKILL.md, EVAL.md y golden/ con casos de ejemplo)
- docs/
- AGENT.md resumen del agente
- RESEARCH.md investigación que respalda el diseño, con fuentes y caveats
- ```
- ## Instalación
- Requiere Claude Code. Copia las 10 carpetas de `skills/` juntas al directorio de skills (las skills se referencian entre sí por ruta relativa `../qa-mobile/criteria/`):
- ```bash
- git clone <url-del-repo> agente-qa-mobile
- mkdir -p ~/.claude/skills
- cp -R agente-qa-mobile/skills/* ~/.claude/skills/
- ```
- Para una instalación por proyecto, copia a `<proyecto>/.claude/skills/`. Luego, en Claude Code:
- ```
- /qa-mobile <ruta-al-repo-flutter | descripción de la feature>
- ```
- El reporte se escribe en `<target>/qa-report.md`.
- ## Límites honestos
- - **El device farm real está pendiente.** `qa-run-farm` produce el runbook (`patrol build`, `gcloud firebase test ...`) y deja la evidencia como `planned`; no se ha ejecutado una corrida real en Firebase Test Lab. Lo mismo aplica a `qa-explore-runtime`, que requiere device o emulador.
- - El costo por minuto de Firebase Test Lab **no está verificado**; consúltalo en la documentación del proveedor.
- - El oráculo visual MLLM tiene un techo reportado cercano al 49 %: es advisory y requiere confirmación humana.
- - Las skills están pensadas para Flutter/Patrol (con criterios iOS de apoyo). Otros stacks requieren adaptarlas.
- - Los archivos `EVAL.md` y `golden/` documentan puntajes de un harness de evaluación interno que **no se incluye** en este repo; los golden son casos de ejemplo, no una suite ejecutable aquí.
- - La validación end-to-end documentada se hizo una vez sobre una app Flutter de ejemplo; no hay evidencia de uso a mayor escala.
- - Parte de la investigación en `docs/RESEARCH.md` se apoya en un preprint de 2026 sin revisión por pares ni reproducción independiente; el propio documento lo declara.
- ## Licencia
- MIT. Ver `LICENSE`.
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.