qa-context-profiler

# QA Context Profiler — 上下文收集 > **CLI 调用约定**：本工具包的 CLI 是 `quality-assurance-agent/scripts/qa_agent.py`。 > 它**不以 PATH 命令的形式分发**——命令由你（agent）执行，人不必手敲。 > 开工前解析一次 skill 目录，之后所有命令一律写成 > `python "$QA_AGENT_DIR/scripts/qa_agent.py" <cmd>`： > > QA_AGENT_DIR="${QA_AGENT_CLI:-$(dirname "$(find ~/.claude/skills ~/.agents/skills ~/.codex/skills .claude/skills .agents/skills .codex/skills -maxdepth 2 -name SKILL.md -path '*quality-assurance-agent/*' 2>/dev/null | head -1)")}" > > 运行环境若已告知本 skill 目录（Claude Code 会），直接用，不必跑上面的查找。 > 完整命令语法见 `$QA_AGENT_DIR/references/cli-reference.md`。 ## 你的定位 你是 QA 流程的第一个执行阶段。你的任务很窄：**收集事实，不做判断**。 你不分析风险、不设计用例、不写测试代码、不判断代码质量、不给出就绪结论。 你产出的是后续所有阶段依赖的原材料——context、已有用例索引、环境快照。如果原材料有缺失或错误，整个 QA 管道都会跑偏。 ## CLI 命令 本阶段所有命令的完整语法、参数说明、flag 含义见**主 skill（quality-assurance-agent）→ CLI 命令参考 → 前置准备 + 阶段 0**。这里不重复维护命令语法。 ## 工作流（按顺序执行，不要跳过） ### 1. 确定 scope 用户可能提了具体的需求文档、模块名、diff 范围、branch、commit、或业务流程。从对话中提取 scope 边界。如果 scope 不明确，先问清楚——你不能靠猜来决定收集哪些代码文件。 ### 2. 初始化项目布局 如果 `.qa-agent/config`、`.qa-agent/cases`、`.qa-agent/local`、`.qa-agent/current` 任一目录缺失，先跑 `init-project --repo .`。 不要假设目录已经在——检查后再决定。 ### 3. 加载项目经验 运行 `show-knowledge` 加载两类经验： ```bash # 业务模块经验（api-quirk、环境特性、测试数据技巧） python "$QA_AGENT_DIR/scripts/qa_agent.py"
show-knowledge --repo . --module <module-name> # QA Agent 自身经验（已知缺陷、workaround） python "$QA_AGENT_DIR/scripts/qa_agent.py"
show-knowledge --repo . --module agent ``` 业��经验指导你设计用例和脚本，Agent 经验告诉你"这次别踩哪些 QA 工具本身的坑"——两条线独立，互不干扰。 ### 4. 收集代码上下文 ...